谷歌 WikiSkill 论文解读：三层架构构建可持续进化的智能体技能库

谷歌研究团队（Google Research）联合弗吉尼亚理工大学于 2026 年 8 月发表论文《WikiSkill》，提出了一种将智能体历史交互经验沉淀为持久化维基知识库的三层技能进化架构。

• 该框架将技能库在物理层面解耦为原始交互轨迹、复盘认知与可执行操作手册三层，强调结构化沉淀失败教训以避免重复试错。
• 实验结果表明，配备结构化操作手册的 9B 小模型在特定任务上的表现优于裸跑的 27B 模型，且 27B 模型在复杂表格任务中的成功率从 40% 提高至 81%。
• 论文同时指出低质量或过于保守的手册会损害模型推理表现，例如曾导致 Gemini Flash 的任务准确率从 50% 跌落至 18%，凸显了知识提炼质量的重要性。
• 影响/看点：该研究意味着智能体记忆系统正由非结构化的上下文检索向结构化知识工程演进，若能在复杂长任务中保持跨模型泛化能力，可能显著降低垂直场景下的模型调用与微调成本。
• 资料依据：
• 1. arXiv 论文《WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution》 (https://arxiv.org/abs/2608.27454)
• 2. 论文解读评述 (https://x.com/AYi_AInotes/status/2093722927678009736)

本内容由 AI 生成，仅供参考，请注意甄别