SkillHone：通过持久化决策历史，打造永续演化的智能体技能

TL;DR

在 AI Agent 领域，"技能"（Skills）是扩展模型能力的各种脚本和流程。然而，现有的技能自动优化方法往往是“一锤子买卖”，优化完后只剩下一段冷冰冰的代码。SkillHone 打破了这一局限，它不仅保留改进后的代码，还记录了“为什么要这么改”的持续决策历史。实验证明，这种带有“记忆”的进化方式，让智能体在处理复杂的深度研究任务时，表现远超那些依赖商业搜索接口的闭源系统。

背景：被遗忘的“决策过程”是 Agent 进化的死穴

当前的智能体技能提升路径主要分为两类：

1. 合成式构建 (Synthesis-style)：根据任务描述生成技能包，直接交付。
2. 反射式优化 (Reflective Optimization)：如 Hermes-SE，通过迭代、评估、选择来刷榜。

痛点在于：这些方法都视改进过程为“有界运行”。一旦会话结束，关于“为什么拒绝了方案 B”、“方案 A 是针对哪个 API 报错修补的”等关键 Insight 就会丢失。当外部环境（如 Web 页面格式、API 限制）发生变化时，新的 Agent 会因为丧失上下文而陷入“原地打转”或“功能回退”的境地。

核心机制：角色隔离与持久化历史

SkillHone 并不是一个简单的 Prompt 优化器，而是一套分权治理的演进框架。

1. 角色分离 (Role-Separated Subagents)

为了防止 Agent 在优化过程中通过“作弊”（直接背诵评估集答案）来提升分数，SkillHone 强制执行了权限边界：

• 优化团队 (Optimization Team)：负责读历史、下诊断、写代码，但严禁接触原始测试数据（Oracle Targets）和执行轨迹。
• 评估团队 (Evaluation Team)：负责跑测试、看证据、出报告，但严禁修改技能代码库。它只能返回“脱敏后的报告”（Redacted Reports），告诉优化侧哪里坏了，而不告诉它正确答案是什么。

图 1：SkillHone 架构。通过调度器（Dispatcher）实现优化与评估侧的严格物理隔离，确保进化过程的真实性。

2. 持久化决策历史 (Persistent Decision History)

SkillHone 将每一步演进记录为四元组 $h_t=(q_t,r_t,e_t,o_t)$：

• $q_t$ (Diagnosis): 对当前问题的诊断。
• $r_t$ (Revision): 提出的修订代码。
• $e_t$ (Evidence): 脱敏后的评估证据。
• $o_t$ (Outcome): 最终决定（采纳、拒绝或进一步修订）。

这种结构化的记录允许后续智能体进行“审计”。如果某次修改导致性能下降，Agent 可以追溯到具体的证据，只撤销错误部分，而不是粗暴地推倒重来。

实验战绩：不靠商用 API 也能吊打深研智能体

研究团队在 GAIA 和 WebWalkerQA-EN 两个极具挑战性的榜单上进行了测试。在“原始开放网络”设置下，Agent 只能使用自己维护的技能去爬虫、解析和检索。

表 1：性能对比。SkillHone 即使在没有预集成搜索栈的情况下，也全面超越了基线。

关键结论：

• 超越商用方案：相比于使用昂贵商业检索服务的深研智能体，SkillHone 演化出的技能在 GAIA 上高出 15.8 分。
• 防止负优化：如图 3 所示，相比于只看最终得分的 Hermes-SE，SkillHone 能够从性能退化（Regression）中通过后续编辑快速恢复，而基线方法往往会陷入死循环。

图 3：SkillHone 与 Hermes-SE 的优化轨迹对比。决策历史让 SkillHone 在面临性能下降时具备更强的弹性恢复能力。

深度洞察

SkillHone 的成功证明了一个深刻的直觉：智能体的自我进化不应只是“参数”或“指令”的搜索，而应该是“逻辑抽象”的积累。 在工业界，维护一个 Agent 的成本往往高于开发它。SkillHone 提供的这种“带注释的进化日志”，实际上是将人类软件工程中的版本控制（Git）与变更说明（Commit Message）理念引入了 AI 原生开发模型。

局限性与未来

尽管表现优异，SkillHone 目前主要针对单个技能的独立演化。在现实场景中，多个技能之间往往存在复杂的依赖关系。未来，如何处理技能间的交互演化，以及如何支持多语言环境，将是该技术走向大规模应用的关键。

Takeaway: 真正的 Agent 智能不在于它当前掌握了多少技能，而在于它是否拥有一个能够持续学习、纠错且不遗忘任何决策细节的“经验账本”。