// Apprendimento Continuo dall'Esperienza e dalle Competenze // Le competenze sono molto utili quando le combini correttamente con MCP e CLI. Ho scoperto che le competenze possono migliorare significativamente l'uso degli strumenti da parte dei miei agenti di codifica. Il modo migliore per migliorarle è documentare regolarmente i miglioramenti, i modelli e le cose da evitare. Le competenze auto-migliorative non funzionano così bene (ancora). Dai un'occhiata a questo articolo correlato sull'argomento: Introduce XSkill, un framework di apprendimento continuo a doppio flusso. Gli agenti distillano due tipi di conoscenza riutilizzabile dalle traiettorie passate: esperienze per la selezione degli strumenti a livello di azione e competenze per la pianificazione e i flussi di lavoro a livello di compito. Entrambi sono basati su osservazioni visive. Durante l'accumulo, gli agenti confrontano rollout riusciti e falliti tramite critica incrociata per estrarre conoscenze di alta qualità. Durante l'inferenza, recuperano e adattano esperienze e competenze rilevanti al contesto visivo attuale. Valutato su cinque benchmark con quattro modelli di base, XSkill supera costantemente le baseline. Su Gemini-3-Flash, il tasso di successo medio passa dal 33,6% al 40,3%. Le competenze riducono gli errori complessivi degli strumenti dal 29,9% al 16,3%. Gli agenti che accumulano e riutilizzano conoscenze dalle proprie traiettorie migliorano nel tempo senza aggiornamenti dei parametri. Ho già visto due articoli questa settimana con idee simili. Articolo: Impara a costruire agenti AI efficaci nella nostra accademia: