@Sumanth_077: 让智能体设计智能体！Memento-Skills 是一个自我进化的智能体框架，智能体从失败中学习并重写……

X AI KOLs Timeline 工具
self-evolving agent-framework open-source skill-learning llm-ecosystem benchmarks tool-calling

摘要

Memento-Skills 是一个自我进化的智能体框架，智能体从失败中学习并重写自己的技能，通过“读取-执行-反思-写入”循环不断改进。该框架在 HLE 和 GAIA 基准测试上进行了测试，并支持 Kimi、MiniMax、GLM 等开源大语言模型。

让智能体设计智能体！ Memento-Skills 是一个自我进化的智能体框架，智能体从失败中学习并重写自己的技能。 大多数智能体框架将技能视为静态的。你只需编写一次，加载到上下文，然后希望它们能正常工作。当它们失败时，你要么手动调试，要么用相同的破损技能重试。 Memento-Skills 采用了不同的方法。当技能失败时，系统会反思失败原因，定位破损技能，重写该技能，并将改进后的版本存回技能库。 工作原理如下： 该框架运行一个持续的“读取→执行→反思→写入”循环。 读取：从本地库中检索候选技能，而不是将每个技能加载到上下文中。 执行：在本地沙箱中运行技能，并实际调用工具——文件操作、网络搜索、脚本、外部系统。 反思：当执行失败时，系统记录错误原因，更新技能的效用分数，并将失败归因于具体技能。 写入：重写破损技能，优化薄弱技能，或在没有合适技能时创建新技能。 这并非为了积累更多技能，而是为了构建一个通过任务经验不断改进的技能库。 该系统在 HLE（人类最后的考试）和 GAIA（通用AI助手）基准测试上进行了测试。随着技能库从基本原子技能扩展为更丰富的习得能力集，性能在多个学习轮次中得到了提升。 专为开源大语言模型生态系统构建——兼容 Kimi、MiniMax、GLM 及其他 OpenAI 兼容端点。 内置 9 个技能（文件系统、网络搜索、PDF、docx、xlsx、pptx、图像分析、技能创建器、依赖安装），作为不断演化的技能库的起点。 100% 开源 Memento-Skills 链接见评论！
查看原文
查看缓存全文

缓存时间: 2026/06/10 05:47

让代理设计代理！

Memento-Skills 是一个自我进化的代理框架，代理能从失败中学习并重写自身技能。

大多数代理框架将技能视为静态内容。你一次性编写好，加载到上下文中，然后希望它们能正常工作。一旦失败，你就得手动调试，或者用同样有缺陷的技能重试。

Memento-Skills 采取了不同的策略。当技能执行失败时，系统会反思失败原因，定位出有缺陷的技能，重写它，并将改进后的版本存回技能库。

运作方式如下：

该框架运行一个持续的 读取 → 执行 → 反思 → 写入 循环。

读取：从本地库中检索候选技能，而不是将每个技能都加载到上下文中。

执行：在本地沙箱中运行技能，并实际调用工具——包括文件操作、网络搜索、脚本、外部系统。

反思：当执行失败时，系统记录问题所在，更新技能的效用评分，并将失败归因到特定技能上。

写入：重写有缺陷的技能，优化表现不佳的技能，或者在找不到合适技能时创建新技能。

这并非为了积累更多技能，而是构建一个通过任务经验不断改进的技能库。

该系统在 HLE（人类最后的考试）和 GAIA（通用人工智能助手）基准上进行了测试。随着技能库从基础原子技能扩展为更丰富的能力集合，性能在多轮学习后持续提升。

专为开源大语言模型生态构建——兼容 Kimi、MiniMax、GLM 以及其他兼容 OpenAI 接口的服务。

附带 9 个内置技能（文件系统、网络搜索、PDF、docx、xlsx、pptx、图像分析、技能创建器、依赖安装），作为进化库的起点。

100% 开源

Memento-Skills 的链接在评论区！

相似文章

MUSE-Autoskill：通过技能创建、记忆、管理和评估实现自我进化的智能体

Hugging Face Daily Papers

MUSE-Autoskill提出了一个以技能为中心的智能体框架，使LLM智能体能够通过创建、记忆、管理、评估和优化的统一生命周期，持续创建、复用和精炼技能。在SkillsBench上的实验表明，生命周期管理的技能能够提升任务成功率、效率、复用率以及跨智能体迁移能力。

OpenSkill：LLM智能体的开放世界自进化

Hugging Face Daily Papers

OpenSkill是一个框架，让LLM智能体能够从开放世界资源中自进化技能和验证信号，无需目标任务监督，在多个基准测试中实现高性能。