SkillHone: A Harness for Continual Agent Skill Evolution Through Persistent Decision History

SkillHone是一个用于持续Agent技能演化的框架，核心思想是通过持久化决策历史（包括诊断、修订、证据和结果）来支持跨会话的技能精炼。它采用角色分离的子代理（子Agent）在实践探测中运行候选技能，并基于历史决策提出修订。在GAIA和WebWalkerQA-EN基准测试上，SkillHone分别比商业深度研究Agent高15.8和3.2个百分点，并在内部工具中介分析场景中平均提升18.8个百分点。该方法不需要预集成的搜索堆栈，适用于导购Agent等需要持续技能优化的场景。

1. 可直接用于导购/Agent产品：当前导购Agent的核心瓶颈之一是技能库的持续更新和适应新场景。SkillHone的持久决策历史机制可以嵌入到我们的Agent中，使其能够从每次交互中学习并改进技能，例如优化商品推荐策略或话术模板。
2. 改变了技术选型判断：此前我倾向使用RAG或微调来更新Agent技能，但SkillHone展示了一种更轻量、可追溯的持续学习方法，无需重训模型。这让我重新考虑在情报平台中引入决策历史记录模块，以支持技能的可进化性。
3. 下一步行动：计划精读论文，重点关注其角色分离子代理的设计和内部场景的部署细节，并评估是否能集成到现有导购Agent框架中，替代当前的手动技能更新流程。