谷歌WikiSkill让AI智能体记住过去的错误，持续提升未来表现

谷歌研究院近日发布WikiSkill框架，为AI智能体引入了一套持久化知识管理机制。现有智能体系统的核心痛点在于：每次任务执行完毕后，智能体积累的所有经验都会被清空，下一次运行时又从零开始。WikiSkill借鉴了AI研究者Andrej Karpathy提出的「LLM Wiki」理念，将经验转化为可累积的结构化知识，从根本上改变了智能体的学习方式。

WikiSkill将智能体的工作空间划分为三个层级。底层的「原始层」以不可变方式存储完整的执行轨迹，包括工具调用记录和结果数据；中间的「维基层」将原始数据提炼为结构化洞察，记录失败模式和成功策略，该层只增不减，永不重置；顶层的「技能层」则存放智能体执行任务时实际调用的程序化指令，若某次更新导致性能下降，技能可以回滚，但维基层的知识始终保留。

WikiSkill的运行遵循四步闭环：推理智能体执行任务并生成执行轨迹；「维基维护者」分析轨迹，识别失败模式和成功策略并写入维基；「技能提议者」基于更新后的维基提出针对性的技能修改方案；最后由门控机制在独立验证集上测试该方案是否真正有效，无效则回滚技能，但提案本身的失败记录仍会写入维基，供后续迭代参考。这一机制确保即便是失败的尝试也不会被浪费。

研究团队在五项基准测试中对Qwen系列（4B、9B、27B）、Gemma-4-31B和Gemini-3.5-Flash等多个模型进行了评测。WikiSkill在绝大多数模型与基准的组合中均取得最优或统计等效的最优成绩。其中提升最为显著的是数学推理和电子表格操作任务：Gemini-3.5-Flash在LiveMath上从33.0%跃升至72.6%，在SpreadSheet上从50.5%提升至76.6%。相比之下，涉及长文档上下文的OfficeQA任务提升幅度较为有限。

模型规模对WikiSkill的收益影响明显，大模型通常能从进化后的技能中获得更多提升。但研究同样发现，搭载WikiSkill的小模型可以达到未使用该框架的大模型的性能水平，这对于追求成本效率的实际部署场景具有重要意义。此外，由一个模型开发的技能往往可以迁移至另一个模型，有时甚至优于接收模型自行开发的技能，但研究者建议技能迁移的有效性应逐案验证，不宜一概而论。

WikiSkill并非真正意义上的持续学习，模型的训练权重并未改变，智能体本质上是在为自己编写更好的操作指南。研究者坦承这一方式不够优雅，也可能比真正的学习更容易出错，但实验数据表明它是一种切实有效的工程替代方案。在持续学习仍是未解难题的当下，WikiSkill提供了一条可落地的路径，让智能体在反复执行任务的过程中真正积累可用的经验。

要点

• WikiSkill通过三层架构将AI智能体的执行经验持久化，失败案例同样被记录并用于后续迭代，避免经验浪费
• 门控机制确保只有经过验证能提升性能的技能更新才会被采纳，技能可回滚但维基知识永久保留
• 搭载WikiSkill的小模型可达到未使用该框架的大模型的性能水平，有助于降低实际部署成本
• 不同模型之间的技能迁移在多数情况下有效，但建议逐案验证而非默认通用
• 数学推理和电子表格操作任务受益最大，长文档上下文任务提升相对有限