// Ciągłe uczenie się z doświadczenia i umiejętności // Umiejętności są bardzo dobre, gdy odpowiednio je połączysz z MCP i CLI. Odkryłem, że umiejętności mogą znacznie poprawić wykorzystanie narzędzi przez moje agenty kodujące. Najlepszym sposobem na ich poprawę jest regularne dokumentowanie ulepszeń, wzorców i rzeczy, których należy unikać. Umiejętności samodoskonalące się nie działają jeszcze tak dobrze. Zobacz ten powiązany artykuł na ten temat: Wprowadza XSkill, podwójny strumieniowy framework ciągłego uczenia się. Agenci destylują dwa rodzaje użytecznej wiedzy z przeszłych trajektorii: doświadczenia do wyboru narzędzi na poziomie akcji oraz umiejętności do planowania zadań i przepływów pracy. Oba są oparte na obserwacjach wizualnych. Podczas akumulacji agenci porównują udane i nieudane realizacje za pomocą krytyki międzyrealizacyjnej, aby wydobyć wysokiej jakości wiedzę. Podczas wnioskowania, odzyskują i dostosowują odpowiednie doświadczenia i umiejętności do aktualnego kontekstu wizualnego. Oceniane w pięciu benchmarkach z czterema modelami bazowymi, XSkill konsekwentnie przewyższa podstawowe wyniki. Na Gemini-3-Flash średni wskaźnik sukcesu wzrasta z 33,6% do 40,3%. Umiejętności zmniejszają ogólne błędy narzędzi z 29,9% do 16,3%. Agenci, którzy akumulują i ponownie wykorzystują wiedzę z własnych trajektorii, stają się lepsi z czasem bez aktualizacji parametrów. W tym tygodniu widziałem już dwa artykuły z podobnymi pomysłami. Artykuł: Naucz się budować skuteczne agenty AI w naszej akademii: