WikiSkill 框架：讓 AI 代理在持續累積的知識庫中不斷演化，將執行經驗轉化為高效技能

本研究提出 WikiSkill 框架，透過維基百科式的持續知識累積，將 AI 代理的零散執行經驗轉化為可演化的技能。實驗證明其能顯著提升模型效能，並展現卓越的跨模型轉移能力。

Problem

目前 AI 代理的技能發展雖然能從互動經驗中自動發現，但引導技能開發的關鍵洞察往往散落在零碎的優化歷史中，缺乏系統性的整合，導致知識在多次迭代中難以被有效地重複利用與優化。

WikiSkill 框架將原始執行經驗、累積知識與可執行技能進行解耦分離，並引入一個持續演進的知識庫（Wiki）。該框架會不斷將執行經驗整合進 Wiki 中，確保後續的技能更新能基於這些已鞏固的知識基礎進行建構。

實驗結果顯示 WikiSkill 在多項基準測試中均優於現有技術。研究發現技能演化與模型縮放具備互補性：大模型能從演化技能中獲益更多，而擁有技能的小模型效能甚至能超越不具技能的大模型。此外，技能在不同模型家族間具有良好的遷移性，由其他模型演化出的技能有時甚至能超越模型自我演化的效果。

本研究證明了系統性累積與精煉經驗對於開發可重複使用且具備遷移性技能的重要性。WikiSkill 為 AI 代理提供了一種持續學習與演進的新範式，讓代理能透過長期的知識積累而不斷提升處理複雜任務的能力。