腾讯SkillHone：让Agent在持续进化中记住“为什么改”
在构建具备自主优化能力的 Agent 时，开发者往往面临一个令人头疼的悖论：一个 Skill 本周能正常工作，并不代表下周依然有效。
搜索接口会被限流，API 会改版，网页结构也会突变。当开发者修复了某个 Bug 并将文件交给下一轮 Agent 时，新接手的 Agent 拿到的只是冷冰冰的“最终结果”，而不知道前几轮踩过的坑、试过的失败方案，以及为什么最终保留了某些修改。这种“优化历史丢失”，导致 Agent 无法利用过去的经验，极易重复探索已失败的方向，陷入原地打转的死循环。
针对这一痛点，腾讯微信团队在最新论文 SkillHone 中提出了一种面向持续 Skill 进化的开发框架。其核心创新在于：不仅优化 Skill 本身，更对 Skill 的优化过程进行建模，将诊断、候选修改、评估证据和最终决定组织成一份持久决策历史。
📄 论文标题：SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History
🔗 论文链接：https://arxiv.org/abs/2606.08671
💻 代码链接：https://github.com/Tencent/SkillHone
从“改文档”到“建历史”：SkillHone 的底层逻辑
现有的 Agent 自进化方法大致分为两类：一是 Skill-Creator，根据任务描述直接生成新的 Skill；二是 Hermes-SE，通过不断修改已有 Skill 的候选版本并择优录取。这类方法在单轮优化中能提升效果，但运行结束后，留下的往往只有最终版本的文件。虽然 diff 可以展示“改了什么”，却无法回答“为什么这样改”。
SkillHone 的创新之处在于引入了持久决策历史（Persistent Decision History）机制。它将每次优化的步骤记录为一条完整的历史，包括问题诊断、候选修订、清洗后的评估证据及最终结果。通过累积这些多轮记录，后续 Agent 可以理解某次修改针对的具体问题、依据，甚至是被撤销的原因，从而实现优化经验的持续传递。
简而言之，以前的优化是“改完即忘”，而 SkillHone 是“边改边记，以史为鉴”。
架构解析：Repo 级别的优化与角色隔离
SkillHone 在架构设计上实现了两个关键突破：Repo 级别的更新与角色隔离的调度机制。
1. 突破 SKILL.md 的局限
以往的优化（如 SkillOpt 和 Hermes-SE）主要以 SKILL.md 为单元，本质上是在迭代自然语言描述。SkillHone 则将优化对象扩展为完整的 Skill 仓库（Repo），其中不仅包含 SKILL.md，还涵盖执行脚本、参考资料和模板等。这意味着系统不仅可以修改指令描述，还能直接更新底层的脚本逻辑，使优化更加全面和深入。
2. 双仓库与子 Agent 协作
系统设置了两个相互关联的仓库：
* Skill 仓库：存放技能本体。
* Skill-Eval 仓库：存放练习探针、验证器和回归测试。
为了保证优化的公正性和安全性，SkillHone 采用了严格的角色隔离：
* 优化侧 Agent：负责修改 Skill，但看不到未脱敏的答案。
* 评估侧 Agent：负责运行验证、查看轨迹，但不能写入 Skill 仓库。
运行时调度器会根据需要动态生成诊断、开发、审核、执行和报告等子 Agent。这种设计不依赖固定的多智能体框架，只需运行环境支持自动创建子智能体即可接入 Claude Code、Codex 和 Hermes 等主流 Agent Runtime，具有极高的灵活性。
实验数据：精准回退带来的性能跃升
论文通过对深度研究 Skill 的五轮优化验证，展示了 SkillHone 处理性能回退的强大能力。
- 起步阶段：加入 DuckDuckGo 回退和错误处理后，探针准确率从 30% 提高到 60%。
- 遭遇瓶颈：下一轮加入过早作答和严格预算限制后，准确率反而降低了 10 个百分点。
- 历史优势：Hermes-SE 基于标量分数接受或放弃完整候选，五轮后停在 40%。而 SkillHone 通过查询历史记录，发现是预算策略导致退化，因此只撤销有问题的部分，保留有效的搜索改进，第三轮准确率升至 65%，最终达到 70%。
在 GAIA 和 WebWalkerQA-EN 两个深度研究基准上的主实验显示，使用 Qwen3.6-35B-A3B 作为执行模型时：
* SkillHone 在 GAIA 上达到 64.6%。
* 在 WebWalkerQA-EN 上达到 66.4%。
相比使用商业检索服务的 deep-research Agent，这两个结果分别高出 15.8 和 3.2 个百分点；相比 Hermes-SE，分别高出 14.2 和 13.4 个百分点。
更值得注意的是其迁移能力：同一个 Skill 包在没有重新优化的情况下，直接迁移到 Claude Sonnet 4.6 后，GAIA 成绩继续升至 72.4%。
结语
SkillHone 通过持久化的决策历史和 Repo 级别的更新，解决了 Agent 技能优化中“知其然不知其所以然”的难题。对于 AI 从业者和开发者而言，这不仅是一个提升 Agent 性能的框架，更是一种将技能工程从“单次交付”推向“持续进化”的实践范式。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com