@Xudong07452910: 之前介绍过 SkillOpt，它更像是在讲：怎么把一份 skill 反复打磨成更可靠的“工作说明书”。 这篇 MUSE-Autoskill 的重点不太一样，它关心的是 Agent 怎么管理一整个 skill library。 论文把 sk…
摘要
这篇 MUSE-Autoskill 论文聚焦于 Agent 如何管理整个技能库，将 skill 放入完整的生命周期：创建、记忆、管理、评估和再优化。
查看缓存全文
缓存时间: 2026/05/29 08:00
之前介绍过 SkillOpt，它更像是在讲：怎么把一份 skill 反复打磨成更可靠的“工作说明书”。
这篇 MUSE-Autoskill 的重点不太一样，它关心的是 Agent 怎么管理一整个 skill library。
论文把 skill 放进完整生命周期里：创建、记忆、管理、评估、再优化。
任务来了，没有 skill 就创建；有 skill https://t.co/LX8gAJWQMZ
相似文章
@Xudong07452910: 这篇 SkillOpt 论文挺有意思，它其实在讲一件很重要的事： AI Agent 以后不只是靠人写 prompt，而是可以自己训练自己的“工作说明书”。 现在很多 skill / prompt 都是一次性写出来的，真实任务一多，各种边界…
SkillOpt introduces a systematic controllable text-space optimizer that enables AI agents to train and improve their own skills (like 'work instructions') through iterative edits and validation, outperforming human-crafted and one-shot prompts across multiple benchmarks and models.
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
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。
@QingQ77: agent 的 skill 越来越多后，每次对话不可能把所有 skill 说明都塞进上下文。这个工具把 skill 整理成一棵树，agent 收到任务时先查树、再按需加载对应的 skill。 https://github.com/maip…
SkillTree 是一个将 AI agent 的多个 skill 整理成树形结构并按需加载的工具，避免一次性将所有指令塞入上下文，提升 agent 效率。
@shao__meng: Perplexity 团队内部 Agent Skills 设计、迭代与维护之道 Perplexity Agents 团队的内部规范公开版，核心论点很反直觉：写 Skill 不是写代码，而是为模型构建上下文。把工程师写代码的本能直接套到 S…
Perplexity 团队公开了 Agent Skills 的设计、迭代与维护规范，强调 Skill 编写并非传统编码，而是为模型构建上下文。文章提出了以评测为先、渐进式加载及通过处理特例（Gotchas）来优化 Agent 行为的反直觉方法论。
@max_ai_max: https://x.com/max_ai_max/status/2060221653259547069
本文分享了编写一个真正可用的Claude Skill的实践指南，涵盖运行机制、目录骨架、frontmatter写作、迭代方法等，帮助开发者高效构建和调试自定义技能。