一句话看懂：Google Research 提出 WikiSkill 框架，在 Agent 经验与可执行 Skills 之间插入一个持久化知识层（Wiki），让经验能持续沉淀、复利进化，并在 5 个基准、5 个模型上显著超越现有方法。
事件核心：发生了什么
来自 Google Research 的论文《WikiSkill》针对”Agent Skills 自动进化”这一方向提出结构性改进。当前主流方法（如 EvoSkill、Trace2Skill、SkillOpt）已能自动从执行轨迹中提取 Skills，但存在一个共同缺陷：经验是”用过即散”的，每轮迭代中学到的洞察散落在提案历史、反馈记录等临时产物中，无法被系统性地复用到后续迭代。
WikiSkill 的解决方案是在原始经验与可执行 Skills 之间加入一个三层知识架构：Raw Layer 存放完整执行轨迹，Wiki Layer 维护模式页、演化日志和 Skills 影响追踪表，Skill Layer 存放可执行的 SKILL.md 文件。每轮迭代由四个角色协作完成：推理 Agent 运行 rollout（刻意禁止访问 Wiki 以保持轨迹纯净）、Wiki 维护者做根因分析、Skills 提案者基于 Wiki 提出原子化修改、门控机制在验证集上评测并决定接受或回滚。
实验覆盖 5 个基准（LiveMath、SealQA、SpreadsheetBench、OfficeQA、ALFWorld）× 5 个模型（Qwen 4B/9B/27B、Gemma-4-31B、Gemini-3.5-Flash），所有设置均跑 3 次独立实验并做 bootstrap 显著性检验。结果显示 WikiSkill 在所有模型上取得最高平均分，比最强基线高 3.3–12.0 分，且优势”更强且更稳”——部分基线（如 EvoSkill 让 Gemma 在 LiveMath 上从 33.9% 降至 29.8%）反而损害性能。
为什么重要
这项工作的核心意义在于把”经验管理”从临时产物提升为持久资产。当前 Agent 生态中，Skills 的自动进化大多依赖每轮迭代的即时反馈，缺乏一个客观、可追溯、不断累积的知识表示。WikiSkill 通过 skill-impact.md 程序化记录每次提案的 diff、验证分数和接受/拒绝结果，形成一条可审计的轨迹，避免后续提案重复已被否决的修改。
实验还揭示了一个关键区分：”发现有用程序知识”与”执行这些知识”是两种独立能力。Skills 可以跨模型迁移，例如 Qwen-9B 用 27B 进化出的 Skills 在 ALFWorld 上达 70.2%，高于用自己的 Skills（63.4%）。但迁移也有陷阱：小模型 Skills 中”低级变通”（如单行 Python 命令）可能束缚强模型，造成负迁移。这提示行业，Skill 的质量与模型规模是正交的两个优化维度。
另一个值得注意的消融发现：给提案者访问 Wiki 使平均分从 48.7% 升至 63.7%（+15），但若让推理 Agent 在训练时也能看 Wiki，分数反而降至 60.9%——因为轨迹的知识来源被”污染”，降低了其对 Skills 开发的诊断价值。这个设计取舍对 Agent 训练流程有直接参考意义。
对用户/开发者/创作者的影响
对正在构建 Agent 工作流的开发者而言，WikiSkill 提供了一个可落地的架构参考：与其让 Skills 在每轮迭代中随意漂移，不如引入一个独立维护的知识层，让每次经验都沉淀为可检索的结构化记录。对于使用 Qwen、Gemma 等开源模型的团队，论文数据显示 Skills 进化能在一定程度上”替代”模型规模——9B + Skills（47.4%）可超过无 Skills 的 27B（39.4%），这对算力有限的中小团队是直接的降本信号。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对内容创作者和 Prompt 工程师，该框架的”影响追踪表”思路也通用：任何需要反复迭代的指令集或工作流模板，都值得建立一个可回溯的变更日志，记录每次改动的动机和效果，而非依赖直觉或记忆。
值得关注的后续
目前公开信息显示这是 arXiv 预印本论文，尚未看到 Google 发布官方代码或产品化计划。值得关注的观察点包括：第一，WikiSkill 是否会开源实现，以及能否与现有 Agent 框架（如 LangChain、AutoGPT）直接集成；第二，该框架在更长周期（数十轮迭代）下的复利效应是否可持续，还是会出现知识库膨胀导致检索效率下降；第三，跨模型迁移的负迁移问题是否有更系统的规避策略，这将影响 Skills 作为可交易资产的生态能否形成。
来源：@shao__meng
