// Voortdurend Leren van Ervaring en Vaardigheden // Vaardigheden zijn zo goed wanneer je ze op de juiste manier combineert met MCP & CLIs. Ik heb ontdekt dat vaardigheden het gebruik van tools door mijn coderingsagenten aanzienlijk kunnen verbeteren. De beste manier om ze te verbeteren is door regelmatig verbeteringen, patronen en dingen om te vermijden te documenteren. Zelfverbeterende vaardigheden werken nog niet zo goed (nog). Bekijk dit gerelateerde artikel over het onderwerp: Het introduceert XSkill, een dual-stream continu leerframework. Agenten destilleren twee soorten herbruikbare kennis uit eerdere trajecten: ervaringen voor actie-niveau toolselectie en vaardigheden voor taak-niveau planning en workflows. Beide zijn gebaseerd op visuele observaties. Tijdens accumulatie vergelijken agenten succesvolle en mislukte rollouts via cross-rollout kritiek om hoogwaardige kennis te extraheren. Tijdens inferentie halen ze relevante ervaringen en vaardigheden op en passen deze aan de huidige visuele context aan. Beoordeeld over vijf benchmarks met vier backbone-modellen, overtreft XSkill consequent de baselines. Op Gemini-3-Flash stijgt het gemiddelde succespercentage van 33,6% naar 40,3%. Vaardigheden verminderen het totale aantal toolfouten van 29,9% naar 16,3%. Agenten die kennis accumuleren en hergebruiken uit hun eigen trajecten worden in de loop van de tijd beter zonder parameterupdates. Ik heb deze week nu twee artikelen gezien met vergelijkbare ideeën. Artikel: Leer effectieve AI-agenten te bouwen in onze academie: