让Agent把成功经验固化成skills：跨模复用100%量子位

AI会用工具了，问题才真正开始…

这两年，大模型Agent在“用工具”这件事上进步很快。搜索、查信息、调API，很多模型已经能把一串操作接起来，完成相当复杂的多步任务。

但一旦把场景拉近到真实工作流，问题很快就会显现出来。很多任务表面上不同，底层流程其实高度相似：先搜，再筛，再整理，最后再做一点汇总分析。换一个对象，这套流程往往又要完整走一遍。

麻烦在于，现有Agent虽然会做这些事，却不太会把已经做成功过的流程留下来。

圆满完成任务后，再遇到同样任务它还是会重新规划、重新传参、重新走一遍工具链。结果就是：任务也许做成了，但token越跑越多，上下文越来越长，成本和不稳定性也一起上来了。

为解决该问题，近期一项由NIPS时间检验奖得主等参与的新研究——SkillCraft，在圈内自发形成了一定热度。该研究尝试回答这个很具体的问题：Agent能不能把已经跑通的工具链，逐渐变成以后还能继续用的skill。

SkillCraft让Agent工具“越用越熟”

SkillCraft的核心思路是：让Agent在测试时一边做任务，一边把反复有用的工具链整理成skill。

这个过程可以理解成四步：

1、先看看库里有没有现成的skill能用

2、没有的话，就先按老办法用原子工具把任务做出来

3、做出来之后，把这条成功轨迹抽象成一个带参数的skill

4、最后过一遍verifier，再放进skill library

这个设计的妙处在于，它不是简单“记住答案”，也不是给模型多塞一段提示词。

它做的是更进一步的事：把经验变成一个能执行、能复用的高层操作单元。

让Agent在完美完成一个任务后将可行方案归纳整理，从而在下一次遇到类似问题时，快速复用已有的可行路径。

固化成功流程，收益立竿见影

论文结果显示，在引入skill保存与复用后，多数模型都出现了明显收益：

token更少

工具调用更少

成功率通常提升或者持平

一旦允许Agent在测试时保存并复用skill，多数模型都会出现比较明显的收益：工具调用更少，token更低，成本下降，成功率提升

以GPT-5.2为例，Skill Mode下的成功率从87%提升到90%，平均token从1.23M降到0.26M，成本也从1.77美元降到0.43美元。这说明，skill的保存和复用不是一个可有可无的小技巧，而是会真实影响agent表现的能力。

换句话说，SkillCraft最有价值的地方，不是单纯证明“skill这个概念有意义”，而是证明：一旦Agent真能把成功流程保存为可复用的技能，效率和表现都会切实提升。

技能树不能只追求深度

论文测试了hierarchical skill composition，允许agent通过在skill内部调用已有skill的方式，实现更复杂的skill。结果发现：

层级更深，未必更稳

低层bug会向上级联

一个边界条件错误，可能拖垮整棵技能树

这说明现阶段更实用的路线，可能不是自动生成越来越深的技能树。

而是优先构建高质量、浅层、可验证的skill library。

不只当前任务，还有“技能迁移”

SkillCraft的另一个亮点，是它还评估了skill的泛化能力。

研究发现，高质量skill不仅在当前任务能用，在很多情况下还能：

甚至跨模型复用

以下两张图展示的，正是跨模型skill reuse的两个关键结论。

通过skill跨模型复用的Success Rate Heatmap，团队发现：

由更强模型创建的skill，往往能在不同执行模型上都保持较高成功率

最典型的是Claude这一行，四个执行器上都是100%；

真正高质量的skill往往具有较强的可迁移性，而不是只能被创建它的那个模型自己使用。

通过skill跨模型复用的Token Saving heatmap，团队发现：

Skill不只是“能不能用”，还要看“用了之后值不值”。比如Claude创建的skill，在不同执行器上普遍都能带来很高的节省；而质量较弱的skill，节省效果就明显更不稳定，甚至在某些组合下会出现负收益。也就是说

高质量的skill不仅成功率更稳定，也更容易带来显著的token节省。

SkillCraft解决的，不只是Agent会不会用工具，而是它能不能把确认可行的工具链，变成随时可复用的技能。

这可能比“再多做几道题”更重要。因为真正有用的Agent，不该永远像第一次做任务那样工作，而应该拥有自己的经验积累，产出真正可复用、可迁移、而且值得复用的skill。