前置知识: AI Agent

技能库与终身学习
00:00
10 min Intermediate

Voyager（Wang等人，TMLR 2024）将可执行代码视为技能。技能是命名的、可检索的、可组合的，并由环境反馈精炼。这是Claude Agent SDK技能、skillkit和2026年技能库模式的参考架构。

技能库与终身学习（Voyager）

Voyager（Wang等人，TMLR 2024）将可执行代码视为技能。技能是命名的、可检索的、可组合的，并由环境反馈精炼。这是Claude Agent SDK技能、skillkit和2026年技能库模式的参考架构。

类型： 构建 语言： Python (stdlib) 前置条件： Phase 14 · 07 (MemGPT), Phase 14 · 08 (Letta块) 时间： ~75分钟

学习目标

  • 说出Voyager的三个组件——自动课程、技能库、迭代提示——及各自的作用。
  • 解释为什么Voyager将动作空间设为代码而非原始命令。
  • 实现一个带注册、检索、组合和失败驱动精炼的stdlib技能库。
  • 将Voyager的模式映射到2026年Claude Agent SDK技能和skillkit生态系统。

问题所在

在每个会话中从头重建每个能力的Agent做错了三件事：

  1. 浪费token。 每个任务重新引出相同的推理。
  2. 丢失进展。 在会话A中学到的纠正不会转移到会话B。
  3. 在长时间范围组合上失败。 复杂任务需要能力层次；一次性提示无法表达它们。

Voyager的回答：将每个可复用能力视为存储在库中的命名代码块，可按相似性检索，可与其他技能组合，并可由执行反馈精炼。

核心概念

三个组件

Voyager（arXiv:2305.16291）围绕以下结构化Agent：

  1. 自动课程。 基于好奇心的提议器根据Agent当前技能集和环境状态选择下一个任务。探索是自底向上的。
  2. 技能库。 每个技能是可执行代码。任务成功时添加新技能。技能按查询到描述的相似性检索。
  3. 迭代提示机制。 失败时，Agent接收执行错误、环境反馈和自验证输出，然后精炼技能。

Minecraft评估（Wang等人，2024）：3.3倍更多独特物品，8.5倍更快石制工具，6.4倍更快铁制工具，2.3倍更长地图遍历对比基线。数字是Minecraft特定的，但模式可迁移。

动作空间 = 代码

大多数Agent发出原始命令。Voyager发出JavaScript函数。一个技能是：

async function craftIronPickaxe(bot) {
  await mineIron(bot, 3);
  await mineStick(bot, 2);
  await placeCraftingTable(bot);
  await craft(bot, 'iron_pickaxe');
}

由子技能组合。按键描述和嵌入存储。作为程序而非提示检索。

这是2026年Claude Agent SDK技能：Agent按需加载的命名、可检索代码块加指令。

技能检索

新任务”制作钻石镐”。Agent：

  1. 嵌入任务描述。
  2. 查询技能库获取top-k相似技能。
  3. 检索craftIronPickaxe、mineDiamond、placeCraftingTable等。
  4. 从检索到的原语 + 新逻辑组合新技能。

这是MCP资源（Phase 13）和Agent SDK技能实现的模式：在知识/代码面上的检索，范围限定到当前任务。

迭代精炼

Voyager的反馈循环：

  1. Agent写一个技能。
  2. 技能针对环境运行。
  3. 三个信号之一返回：success、error（带堆栈跟踪）、self-verification failure。
  4. Agent使用信号作为上下文重写技能。
  5. 循环直到成功或最大轮次。

这是应用于代码生成的Self-Refine（第05课），带环境接地验证。CRITIC（第05课）是相同模式，以外部工具作为验证器。

课程和探索

Voyager的课程模块根据Agent拥有的和尚未做的提出”在湖边建庇护所”等任务。提议器使用环境状态 + 技能清单来选择刚好在当前能力之上的任务——探索的最佳点。

对于生产Agent，这转化为”缺什么”操作符：给定当前技能库和领域，我们还没有覆盖哪些技能？团队通常手动实现为课程审查。

这个模式哪里会出错

  • 技能库腐烂。 同一技能以略微不同的描述添加10次。在写入时添加去重；检索只返回一个。
  • 组合技能漂移。 父技能依赖的子技能被精炼了。对技能进行版本控制；固定在v1的父技能不会神奇地采用v3。
  • 检索质量。 技能描述上的向量检索在库增长超过几百个时退化。用标签过滤和硬约束补充（“只有category=tooling的技能”）。

构建它

code/main.py实现一个stdlib技能库：

  • Skill — name、description、code（字符串）、version、tags、dependencies。
  • SkillLibrary — register、search（token重叠）、compose（依赖的拓扑排序）和refine（更新时版本提升）。
  • 一个脚本Agent注册三个原语技能，组合第四个，遇到失败，并精炼。

运行：

python3 code/main.py

跟踪显示库写入、检索、组合、失败执行和v2精炼——Voyager循环端到端。

使用它

  • Claude Agent SDK技能（Anthropic）— 2026年参考：每个技能有描述、代码和指令；在Agent会话期间按需加载。
  • skillkit（npm: skillkit）— 32+ AI编码Agent的跨Agent技能管理。
  • 自定义技能库 — 领域特定（数据Agent的SQL技能，基础设施Agent的Terraform技能）。Voyager模式可缩小。
  • OpenAI Agents SDK tools — 低端；每个工具是一个轻量级技能。

发布它

outputs/skill-skill-library.md为任何目标运行时生成带注册、检索、版本控制和精炼连接的Voyager形状技能库。

练习

  1. 给compose()添加依赖循环检测器。当技能A依赖B而B依赖A时会发生什么？错误还是警告？
  2. 实现每技能版本固定。当父技能组合子crafting@1时，对crafting@2的精炼不得静默升级父技能。
  3. 用sentence-transformers嵌入（或BM25 stdlib实现）替换token重叠检索。在50技能玩具库上测量retrieval@5。
  4. 添加”课程”Agent：给定当前库和领域描述，提出5个缺失技能。每周调用。
  5. 阅读Anthropic的Claude Agent SDK技能文档。将玩具库移植到SDK的技能Schema。可发现性有什么变化？

关键术语

术语人们常说的实际含义
技能”可复用能力”命名代码块 + 描述，可按相似性检索
技能库”Agent的如何做记忆”技能的持久存储，可搜索可组合
课程”任务提议器”由当前能力差距驱动的自底向上目标生成器
组合”技能DAG”技能调用技能；执行时拓扑排序
迭代精炼”自纠正循环”环境反馈 + 错误 + 自验证折回到下一版本
动作空间即代码”程序化动作”发出函数而非原始命令，用于时间扩展行为
写入时去重”技能合并”近重复描述合并为一个规范技能

延伸阅读

知识检测

学习进度

-- 已学文档
--% 知识覆盖率

学习推荐

专注模式