论文一：WikiSkill —— 从经验到智慧的进化之书

论文标题: WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution
作者: Liyan Tang, Cyrus Rashtchian, Chun-Sung Ferng, Andrew Tomkins, Da-Cheng Juan, Tu Vu
arXiv: 2608.27454
发布时间: 2026-08-27

🏺 花瓶与工匠

想象你走进一间瓷器工坊。墙上挂着一百个花瓶，每一个都是学徒在不同阶段的习作。有的瓶口歪斜，有的釉色不均，有的则在窑火中裂成了碎片。老工匠站在一旁，手里握着一本翻烂了的笔记本——上面记着每次烧制的温度曲线、泥土配比、哪天的湿度让釉面起了气泡。

"这本子比任何一只花瓶都值钱。"老工匠说。"花瓶烧坏了可以砸掉重捏，但本子上的教训要是丢了，下一批还得从头犯同样的错。"

WikiSkill 这篇论文，讲的就是 AI 代理如何像这位老工匠一样，把自己摔过的跤、试过的错，写进一本"摔不烂的本子"里。只不过这个本子里装的不是瓷器配方，而是让 AI 变得更聪明的"技能"。

🧠 问题的根：为什么 AI 总是在同一个坑里摔跤？

让我们把时间拨回到几年前。大语言模型刚火起来的时候，大家发现了一件有趣的事：你让 ChatGPT 解一道数学题，它第一次可能做错了；但你把正确答案告诉它，第二次它就能做对。这看起来像是"学会了"，但真相更像是一个学生在考试前偷看了答案——它记住了，但没真正理解。

后来，研究者想出了更聪明的办法：让 AI 代理（Agent）自己去探索。给它一堆任务，让它像人一样尝试不同的工具、调整策略、从失败中总结规律。这种方法叫做"技能进化"（Skill Evolution）。听起来很美好，但这里藏着一个致命的盲点：

AI 每次"进化"的时候，之前的经验都散了一地。

想象你正在学做饭。第一次你炒糊了鸡蛋，总结出一个教训："火太大"。第二次你煮面时水溢出来，又总结出一个教训："锅太小"。如果你把这些教训分别写在两张纸条上，然后随手一塞，第三次炒菜的时候你大概率还是忘了第一个教训。更糟糕的是，你每次都要从头开始"总结"——明明上一周就已经发现的问题，这一周又要重新踩一遍坑。

这就是现有技能进化方法的核心痛点。像 EvoSkill、Trace2Skill、SkillOpt 这些方法，它们确实能让 AI 从执行经验中提炼出可用的技能，但每一次的"进化"都是一次独立事件。上一次进化产生的失败轨迹、被拒绝的修改方案、差一点就成功的尝试——这些东西在下一轮进化中全都丢失了。就像一个没有记忆的金鱼，每次游到鱼缸的另一端都觉得是全新的世界。

WikiSkill 的团队敏锐地捕捉到了这个问题。他们提出的核心问题是：我们能不能把 AI 的经验，像人类的知识库一样，持续地积累下来，让每一代新技能都站在前人的肩膀上？

📚 三层世界的架构：从混沌到秩序

WikiSkill 的解决方案，是在传统的"技能"层之上，增加了一个全新的"维基"层。如果把整个系统比作一家图书馆，它的结构是这样的：

🗃️ 第一层：原始层（Raw Layer）—— 档案室

这一层存放的是 AI 代理所有的"原始经历"。每次它执行一个任务，无论是成功还是失败，所有的观察（observations）、动作（actions）、工具调用、推理过程都会被原封不动地记录在这里。这些记录是不可篡改的——就像医院的病历档案，只准写，不准改。

你可以把它想象成一台永远开着的监控摄像头，拍下 AI 工作的每一个细节。这些画面本身没什么用——没人会去看完十万小时的监控录像——但它们是后续所有分析的原材料。

📖 第二层：维基层（Wiki Layer）—— 智慧的结晶

这是 WikiSkill 最核心的创新。维基层是一个持续积累、从不回滚的知识库。它由以下几个部分组成：

• patterns/：一个不断增长的"模式目录"，记录着 AI 遇到的典型失败模式、有效的解决策略、以及可以复用的应急方案。每一个模式都是一篇结构化的 Markdown 文档，用人类的语言描述了"什么问题 → 怎么发现的 → 怎么解决的"。
• logs.md：一本进化日志，追踪着每一次技能更新的历史——哪些提案被接受了，哪些被拒绝了，以及背后的原因。
• skill-impact.md：一个影响追踪器，记录着哪些错误反复出现、哪些干预措施奏效了、哪些只是治标不治本。

关键之处在于：技能层可以回滚，但维基层永远向前。 也就是说，即使某一轮提出的新技能被验证为不好用、被撤销了，这一轮积累的经验教训仍然会留在维基里。下一轮的 Skill Proposer 在提出新方案时，会参考这本维基，避免重复提出已经被否决过的想法。

这就像一个科研团队的项目管理：实验方案可以推翻重来，但实验记录必须永久保存。WikiSkill 把这种"科研传统"写进了 AI 的进化机制里。

🛠️ 第三层：技能层（Skill Layer）—— 可执行的知识

技能层存放的是当前活跃的技能——也就是 AI 在解决任务时实际使用的"操作手册"。每个技能都是一个独立的文件夹，包含：

• SKILL.md：完整的操作指南，包括适用条件、执行步骤、元数据（名称、描述等）。
• PURPOSE.md：这个技能是怎么来的——它对应着维基层中的哪些模式、为了解决什么问题而创建。

技能层的特点是条件性和可逆性。每一轮进化提出的新技能都要经过验证：如果在验证集上表现变差了，整个技能层就会回滚到上一轮的状态。这种"试错-验证-回滚"的机制，保证了系统不会因为一次糟糕的更新而崩盘。

🔄 四步进化循环：像研发团队一样工作

WikiSkill 的进化过程不是黑箱式的"端到端训练"，而是一个清晰可解释的四步循环，每一步都有明确的角色和责任：

第一步：推理代理执行（Inference Agent）

推理代理拿着当前的技能手册去干活。注意，它看不到维基层——它只能看到技能层里的操作指南。这是一个重要的设计决策：如果推理代理能看到维基里的所有失败教训，它可能会变得过于保守，不敢尝试新的方法。实验也证明，让推理代理直接接触维基确实会损害技能的发展。

第二步：维基维护者更新（Wiki Maintainer）

这是整个系统的"大脑"。维基维护者会从原始层中采样成功和失败的轨迹，进行根因分析，然后把新的发现写入维基。它就像一个经验丰富的项目经理，在每次迭代结束后开复盘会：

"这次我们在数学任务上失败了 30%，主要原因是代理没有先检查问题的类型就直接套用通用解法。让我们把这个模式记下来：'问题分类 → 选择策略'的链条不能跳过。"

维基维护者的工作是持续性的——每一轮都在已有的维基基础上进行补充和修正，而不是从零开始。

第三步：技能提案者提议（Skill Proposer）

技能提案者阅读更新后的维基和最新的执行轨迹，然后提出新的技能或修改现有技能。它使用 ReAct（Reasoning + Acting）机制来逐步思考：先分析维基中的模式，再决定是创建新技能、修改现有技能，还是删除不再适用的旧技能。

第四步：门控与回滚（Gating & Rollback）

候选技能在验证集上接受严格的考验。如果表现提升了，新技能被接受；如果表现下降了，技能层回滚到上一轮的版本。但无论结果如何，维基层都会保留这一轮的所有更新。

📊 实验结果：小模型也能打败大模型？

WikiSkill 在五个不同领域的基准测试上进行了评估：数学推理（GSM8K）、网页搜索（WebShop）、电子表格操作（SpreadsheetBench）、长文档问答（MuSiQue）和具身智能任务（ALFWorld）。测试了五个不同的模型：Qwen-3.5-4B、Qwen-3.5-9B、Qwen-3.6-27B、Gemma-3-4B 和 Gemini-2.0-Flash。

结果令人印象深刻：

🏆 全面超越基线

在所有基准测试和所有模型上，WikiSkill 都一致地超过了"无技能"基线和现有的技能进化方法（EvoSkill、SkillOpt）。这不是某个特定场景下的侥幸胜利，而是一种普适性的提升。

📈 规模越大，增益越大

WikiSkill 有一个有趣的特性：它补充了模型规模的增长。Qwen-3.5-4B 使用 WikiSkill 提升了 12.3%，Qwen-3.5-9B 提升了 17.5%，而 Qwen-3.6-27B 提升了 23.9%。这说明大模型能更好地利用进化后的技能——就像一个更聪明的学生能从错题本中吸取更多营养。

💪 小模型+技能 > 大模型

这是最让人兴奋的发现。在 ALFWorld 任务上，Qwen-3.5-9B 配合 WikiSkill（47.4%）居然超过了 Qwen-3.6-27B 不使用任何技能（39.4%）。这意味着精心设计的技能进化机制，可以部分弥补模型规模的差距。对于资源有限的团队来说，这是一个极具吸引力的消息。

🔄 跨模型迁移：你的经验，我的财富

WikiSkill 的技能不仅可以自己用，还能借给别人用。实验发现，由 Qwen-3.6-27B 进化出来的技能，给 Qwen-3.5-9B 使用后，表现（70.2%）甚至超过了 Qwen-3.5-9B 自己进化出来的技能（63.4%）。这暗示了一个有趣的可能性：大模型的"教学经验"可能比它自己直接解题更有价值。

✅ 维基积累至关重要

消融实验证实，如果没有持续积累的维基层，技能进化的效果会大打折扣。这验证了论文的核心假设：持久的知识积累是有效技能进化的关键。

🎯 深层启示：知识管理为何比技能更重要

WikiSkill 的设计哲学中有一个反直觉的洞察：技能是可以被撤销的，但知识必须被保留。

在传统的机器学习中，我们习惯了"端到端"的思维——输入数据，输出模型。如果模型效果不好，就调整超参数、增加数据、换更大的架构。WikiSkill 带来了一种截然不同的范式：把"学习"拆分成"经验的积累"和"技能的迭代"两个独立的过程。

这让我想起了一个古老的故事。有一位禅宗大师，弟子问他："您开悟前后有什么区别？"大师说："开悟前，砍柴时想着挑水，挑水时想着砍柴。开悟后，砍柴时只砍柴，挑水时只挑水。"

WikiSkill 的推理代理就是那位"开悟前"的弟子——它只专注于当下的任务，不被过去的失败所束缚。而维基维护者则是那位"开悟后"的大师——它在每一次迭代后静心复盘，把经验沉淀为智慧。两者各司其职，缺一不可。

这种分离还有一个更深层的好处：可解释性。 当 WikiSkill 的代理在任务中表现优异时，我们可以翻开维基层，看到它究竟从哪些失败中学到了什么。每一个技能都有 PURPOSE.md 追溯它的来源。这比黑箱式的端到端训练透明得多。

🔮 未来展望：从个人笔记到集体智慧

WikiSkill 的架构天然适合扩展到多代理协作的场景。想象一下：

• 一个医疗诊断 AI 团队，每个专科代理（影像、病理、基因）都有自己的维基层，同时共享一个"医学常识维基"。
• 一个软件开发 AI 团队，前端代理和后端代理分别积累自己的领域知识，但共享"API 设计原则"和"常见 Bug 模式"。
• 一个科研 AI 团队，化学代理和物理代理各自进化专业技能，但共享"实验设计方法论"。

WikiSkill 的跨模型迁移实验已经证明，不同"个体"之间的知识是可以传递的。下一步，也许就是构建一个真正的"集体智慧"系统——不是简单的参数共享，而是结构化经验的交流与融合。

📖 参考文献

• Tang, L., Rashtchian, C., Ferng, C. S., Tomkins, A., Juan, D. C., & Vu, T. (2026). WikiSkill: Compiling Agent Experience into Persistent Knowledge for Skill Evolution. arXiv preprint arXiv:2608.27454.

#论文 #arXiv #AI #Agent #SkillEvolution #小凯