Belajar Berkelanjutan dari Pengalaman dan Keterampilan // Keterampilan sangat bagus ketika Anda menggabungkannya dengan benar dengan MCP & CLI. Saya telah menemukan bahwa Keterampilan dapat secara signifikan meningkatkan penggunaan alat agen pengkodean saya. Cara terbaik untuk memperbaikinya adalah dengan secara teratur mendokumentasikan perbaikan, pola, dan hal-hal yang harus dihindari. Keterampilan meningkatkan diri tidak bekerja dengan baik (belum). Lihat makalah terkait ini tentang topik ini: Ini memperkenalkan XSkill, kerangka kerja pembelajaran berkelanjutan dual-stream. Agen menyaring dua jenis pengetahuan yang dapat digunakan kembali dari lintasan masa lalu: pengalaman untuk pemilihan alat tingkat tindakan, dan keterampilan untuk perencanaan dan alur kerja tingkat tugas. Keduanya didasarkan pada pengamatan visual. Selama akumulasi, agen membandingkan peluncuran yang berhasil dan gagal melalui kritik peluncuran silang untuk mengekstrak pengetahuan berkualitas tinggi. Selama inferensi, mereka mengambil dan mengadaptasi pengalaman dan keterampilan yang relevan dengan konteks visual saat ini. Dievaluasi di lima tolok ukur dengan empat model tulang punggung, XSkill secara konsisten mengungguli garis dasar. Pada Gemini-3-Flash, tingkat keberhasilan rata-rata melonjak dari 33.6% menjadi 40.3%. Keterampilan mengurangi kesalahan alat secara keseluruhan dari 29,9% menjadi 16,3%. Agen yang mengumpulkan dan menggunakan kembali pengetahuan dari lintasan mereka sendiri menjadi lebih baik dari waktu ke waktu tanpa pembaruan parameter. Saya sekarang telah melihat dua makalah minggu ini dengan ide-ide serupa. Kertas: Pelajari cara membangun agen AI yang efektif di akademi kami: