SkillHone：让 Agent 技能在真实反馈中持续进化

一个 Skill 这周能工作，不代表下周也能工作：接口会限流，网页会改版，修复一个 bug 还可能破坏另一条路径。机器之心报道的 SkillHone 把问题定义成「优化历史丢失」：下一轮 Agent 只拿到最终文件，却不知道之前为什么改、哪些方案失败、哪一次回退保留了什么。1

SkillHone 为 Skill 仓库和 Skill-Eval 仓库分别保留空间：前者放 SKILL.md、脚本、参考资料和模板，后者放探针、验证器、轨迹、回归测试和报告。每轮由评估侧先测，优化侧根据脱敏结果诊断和修改，再把证据与最终决定写回持久化决策历史。角色隔离意味着优化 Agent 看不到未脱敏答案，评估 Agent 也不能直接改 Skill。2

这也解释了它为什么支持 Repo 级更新：被优化的对象不再只是 SKILL.md 的自然语言，而是整套能执行的 Skill。脚本、参考资料和模板都可以随决策历史一起演化。

原文转述的五轮轨迹从 30% 起步，加入 DuckDuckGo 回退后升到 60%，一次预算策略改动又降到 50%；系统随后定位到具体退化原因，保留有效搜索改动、只撤回有问题部分，准确率再升至 65%，最终达到 70%。对照方法五轮后停在 40%。这是论文图表口径，不是独立复现实验。1

论文报告的主结果中，SkillHone 在 GAIA 上为 64.6%，在 WebWalkerQA-EN 上为 66.4%；迁移到 Claude Sonnet 4.6 后，GAIA 达到 72.4%。论文与实现入口分别是 arXiv 论文 和 SkillHone 仓库。