WikiSkill – Google Research 推出的 Agent 技能进化框架

1. WikiSkill是什么

WikiSkill 是 Google Research 推出的 Agent 技能进化框架，通过三层架构将原始执行轨迹、结构化知识与可执行技能分层存储，使 Agent 的经验沉淀为持久知识，并从中持续生长出可复用技能。框架在每轮迭代中由 Wiki Maintainer 分析轨迹更新知识库，Skill Proposer 基于知识提出技能更新，经验证集评估后接受或回滚。实验表明，9B 参数模型结合 WikiSkill 即可超越 27B 参数的裸模型，且进化出的技能可跨模型、跨模型家族迁移复用。

技术定位与领域： WikiSkill 属于 AI Agent 自主进化与技能学习交叉领域，聚焦于解决 Agent 如何从经验中持续学习、沉淀可复用技能的核心问题。该框架为强化学习与 LLM Agent 的结合提供了新的范式，即在经验与技能之间增加持久知识层，使学习过程具备跨迭代的知识复利效应。

研发背景： 该框架由 Google Research 的 Agent 团队研发。团队基于对 LLM Agent 在开放任务中泛化能力不足的观察——即模型虽具备通用推理能力，但在特定领域的工作流（如 Excel 公式处理、长文档检索）中缺乏可复用的专用技能——设计了 WikiSkill，旨在赋予 Agent 持续自主进化的能力。

核心价值： WikiSkill 解决了 LLM Agent 在技能学习过程中普遍存在的"经验浪费"问题。传统方法中，技能更新失败会连带着已积累的知识一并回滚，导致学习效率低下。WikiSkill 通过将知识层与技能层解耦，确保知识永续积累、技能可安全回滚，实现了可持续的技能进化，并显著降低了对模型参数规模的依赖。

技术特点： 框架独创三层知识分离架构（Raw → Wiki → Skills），将事实依据、结构化知识与可执行技能分而治之。四步进化循环（执行 → 知识更新 → 技能提案 → 验证门控）使技能更新始终有据可依、有验可查。实验已证明技能发现与执行是两种不同能力，进化技能可跨模型家族迁移。

2. 主要功能

• 三层知识分离架构： 框架的核心设计在于将 Agent 的记忆划分为 Raw Layer（原始轨迹层）、Wiki Layer（知识层）与 Skills Layer（技能层）三个层次。Raw Layer 永久存储不可变的执行轨迹作为事实依据；Wiki Layer 将轨迹编译为结构化模式与进化日志，持续积累且永不回滚；Skills Layer 存放当前生效的可执行技能，支持条件更新与回滚。三者各司其职，互不干扰。

• 技能自主进化循环： 框架通过四步迭代循环实现技能的持续优化：Inference Agent 用当前技能在训练集上执行并产出轨迹；Wiki Maintainer 采样轨迹做根因分析并更新知识目录；Skill Proposer 用 ReAct 方式读取知识库和轨迹提出技能创建或补丁；Gating 机制在验证集上评估候选技能，分数提升则接受、否则回滚技能。整个循环无需人工干预，实现端到端的自动进化。

• 持久知识复利积累： Wiki 层跨迭代持续沉淀结构化知识，即使某项技能提案被验证门控拒绝，其在 Wiki 层积累的模式分析和日志也不会丢失。后续迭代中的 Skill Proposer 可以复用全部历史洞察，实现跨迭代的知识复利，避免从零开始的重复尝试。

• 跨模型技能迁移： 实验验证了进化的技能可在不同模型甚至不同模型家族间复用。研究者发现，其他模型发现的技能策略有时优于模型自身进化的技能，这一发现表明技能发现与技能执行是两种不同的能力维度，为模型间的知识共享提供了新的实践路径。

• 验证门控过滤机制： 候选技能必须经过验证集评估，只有当性能指标严格提升时才被接受为新的技能版本，否则自动回滚至先前状态。这一门控机制确保每次技能更新都有可靠的性能保障，同时通过 skill-impact.md 完整记录每次提案的差异、验证分数和接受/拒绝结果，形成客观的审计轨迹。

• 技能溯源与透明度： 每个技能文件通过 PURPOSE.md 实现技能溯源，清晰地记录技能的用途、来源和设计动机。这一设计使技能库具备可解释性，后续的 Proposer 可以理解每个技能的来龙去脉，做出更合理的更新决策。

• 避免重复失败方案： skill-impact.md 文件完整记录了历史上所有提案的 diff、验证分数与接受/拒绝结果，构成审计轨迹。后续的 Skill Proposer 在提出新提案前可查阅该文件，避免重复已被验证为失败的方案，显著提升进化效率。

3. 如何使用

1. 初始化工作空间： 首先创建包含 raw/、wiki/、skills/ 三个层级目录的工作空间。其中 raw/ 用于存放原始执行轨迹，wiki/ 用于存放结构化知识文件（包括 patterns/ 模式目录、logs.md 日志文件与 skill-impact.md 影响记录），skills/ 用于存放当前生效的技能文件。初始化阶段从空技能集开始。

2. 执行训练 rollout： 配置 Inference Agent，使用当前技能集在训练集上执行任务并产出轨迹。每条轨迹包含完整的执行过程、中间状态和最终结果，写入 raw/ 目录作为后续分析的事实依据。该阶段无需人工介入，全部由 Agent 自动执行。

3. 更新知识库： Wiki Maintainer 对 raw/ 中的成功/失败轨迹进行采样和根因分析，在 wiki/patterns/ 中创建或更新结构化模式文件，并追加 logs.md 中的经验日志和 skill-impact.md 中的影响记录。此阶段产生的知识永不回滚，即使后续技能提案被拒绝，知识仍保留。

4. 提出技能更新： Skill Proposer 读取 Wiki 索引、历史影响记录和原始轨迹，采用 ReAct 方式提出单次技能创建或补丁。每次提案必须是原子的——只针对单个技能进行创建或修改，且只能对单个技能文件进行操作，不能同时修改多个技能。

5. 验证与门控： 将候选技能部署到验证集上运行评估，比较验证分数与当前技能的基准值。只有当分数严格提升时，候选技能才被接受并替换 skills/ 中的现有技能；若未提升或被验证集拒绝，则自动回滚技能至先前版本，而 Wiki 层的知识不受影响。

6. 循环迭代： 重复执行第 2 至第 5 步，直到验证性能收敛或达到预设的迭代轮数上限。迭代结束后，skills/ 中保存的即是经过多轮进化后的最终技能集，可直接用于推理阶段的部署。

4. 优缺点分析

5. 同类工具对比

选型建议： 在需要长期、跨任务持续进化的 Agent 项目中，WikiSkill 的三层知识架构是最贴合"知识复利"需求的设计。如果项目依赖单一任务循环且不需要跨迭代积累，Reflexion 的轻量级反思机制可快速上手。对于追求特定平台（如 Codex 与 Claude Code 间）的技能迁移，SkillOpt 的跨平台方案更为成熟，其编辑预算机制可精确控制技能文档的更新强度。ADAS 适合任务定义清晰、无需精细控制迭代过程的场景，但缺少严格的门控使得进化过程的稳定性稍逊。

6. 编辑总结

WikiSkill 所提出的"三层知识分离"架构，其创新价值不仅体现在工程层面的存储解耦，更在于它重新定义了 Agent 技能学习的范式。长久以来，Agent 技能更新失败常常连带先前积累的知识一并丢失，这一结构性缺陷使得学习效率受限。WikiSkill 将"知道什么"与"怎么做"彻底分离，让知识层永续积累、技能层可安全回滚，从根本上解决了经验浪费问题。实验数据同样给出了有力的佐证——9B 参数的模型加上 WikiSkill 即可在任务表现上超越 27B 裸模型，技能可跨模型家族迁移的发现也证实了技能发现与技能执行确为两种不同能力。这一结果对 AI Agent 的规模化部署具有深远影响，意味着较小模型通过框架机制即可胜任大模型所能完成的任务，显著降低推理资源和部署成本。

从实用角度看，WikiSkill 面向的核心诉求是让 Agent 在特定领域（如办公自动化、长文档问答、复杂推理）中形成可持续进化的专用技能，而非依赖模型参数的无限堆叠。其四步进化循环设计合理，验证门控机制为技能更新提供了可靠的性能底线，skill-impact.md 的审计记录保证了进化过程的透明可追溯。该框架适合 AI 研究者、Agent 应用开发者以及追求模型部署效率的工程团队。目前框架尚处于论文研究阶段，建议关注 Google Research 后续的开源代码与工具链发布，一旦成熟，其将成为 Agent 自主进化领域的常用基础设施。

7. 应用场景

• 智能办公自动化： 在处理复杂 Excel 公式计算、数据清洗与跨表格关联等办公任务时，Agent 通过 WikiSkill 的进化机制可掌握"先 recalculate 再读取"等电子表格专用工作流。这些技能一旦沉淀，即成为可复用的持久知识，持续提升后续同类任务的处理效率。

• 长文档智能问答： 在数百页 PDF/Word 文档中执行多步检索导航时，Agent 依赖进化出的搜索技能指导其高效定位关键段落，避免在长上下文中迷失方向。WikiSkill 将检索过程中的成功路径沉淀为模式文件，使后续针对相似文档结构的推理更具目的性。

• 数学推理与解题： 将竞赛级数学题的解题经验沉淀为可复用策略，Agent 在进化过程中不断总结有效的推导路径与题型识别模式，持续提升解题准确率。知识层的跨迭代积累使每次失败的尝试都转化为后续推理的依据。

• 网络信息检索： 优化多轮搜索流程，进化出"关键词扩展 → 多源交叉验证 → 信息整合"的标准操作程序，提升复杂查询的召回率和准确性。Wiki 层沉淀的检索模式使 Agent 面对不同领域的搜索需求时能快速调整策略。

• 交互式具身任务： 在虚拟环境中执行多步骤物理操作时，Agent 通过沉淀"避免重复动作循环""检查任务完成状态"等模式，提升任务成功率。技能层中不断进化的操作序列使 Agent 能稳健应对环境状态的变化与异常分支。

8. 常见问题FAQ

Q：WikiSkill 与直接在 Agent 中提供技能库有什么本质区别？
A：传统技能库是静态的——所有技能在部署前已经固定，不会随运行经验而优化。WikiSkill 的核心是"进化"——技能库中的每个技能都经过多轮迭代的提案、验证、接受或回滚流程，从执行轨迹中持续提炼最优策略。且 Wiki 知识层的存在使得每次进化成果都积累沉淀，而非每次迭代后重新开始。

Q：WikiSkill 是否需要大量的人工标注数据来初始化？
A：不需要。框架仅需要一份包含任务输入和期望输出的训练集，以及一份用于验证门控的验证集。原始轨迹由 Inference Agent 使用当前技能自动执行产生，根因分析、知识更新和技能提案均由 Wiki Maintainer 和 Skill Proposer 自动完成，全程无需人工标注轨迹或技能。人工主要介入初始任务集的设计和验证集的构建。

Q：技能被验证拒绝后，积累的知识是否会丢失？
A：不会。这是 WikiSkill 的核心设计原则——知识与技能解耦。技能提案被拒绝时，仅 Skills Layer 中的技能发生回滚，Wiki Layer 中由 Wiki Maintainer 分析得到的模式文件、日志记录和 skill-impact.md 中的提案历史均保留且不因拒绝而删除。这些知识会在后续迭代中持续为技能提案提供洞察基础，避免重复尝试已失败的方案。

Q：WikiSkill 进化的技能是否只适用于特定模型？
A：不限于特定模型。实验已明确验证进化的技能可跨模型、跨模型家族迁移复用。研究甚至发现其他模型发现的技能有时优于模型自身进化的技能。这与技能发现与技能执行是两种不同能力的发现密切相关——进化的技能以文本形式存储，不依赖特定模型的参数结构，因此具有广泛的迁移适用性。

Q：框架的迭代收敛需要多少轮？有没有终止条件？
A：收敛轮数取决于任务复杂度和训练集规模，框架未强制固定迭代次数。终止条件有两种：验证集性能达到预设阈值并趋于收敛，或迭代轮数达到预先配置的上限。每轮迭代中，候选技能必须带来验证分数的严格提升才能被接受，因此随着进化深入，性能提升幅度会逐渐收窄，最终达到平衡状态。

9. 项目地址

• 论文技术报告： https://arxiv.org/pdf/2608.27454