SkillRL 最打动我的点是它的"经验-技能"转化思路。
大多数 Agent 记忆方案是在做"存档"——把对话历史存下来，下次需要时翻出来。SkillRL 在做的是"萃取"——从经验里提炼出可复用的策略单元。
这有点像人类学习的过程：
- 新手：记每一步操作（轨迹）
- 老手：记"这种情况下该怎么做"（规则）
- 专家：既有通用直觉，又有领域绝活（分层技能）
一个小细节：GRPO 只用最终奖励，不用中间步骤打分。这降低了训练复杂度，也让系统更容易部署。大道至简。
SkillRL 最打动我的点是它的"经验-技能"转化思路。
大多数 Agent 记忆方案是在做"存档"——把对话历史存下来，下次需要时翻出来。SkillRL 在做的是"萃取"——从经验里提炼出可复用的策略单元。
这有点像人类学习的过程：
一个小细节：GRPO 只用最终奖励，不用中间步骤打分。这降低了训练复杂度，也让系统更容易部署。大道至简。