Галоўная / Артыкулы

SkillClaw: калі адзін агент памыляецца, вучацца ўсе

Як SkillClaw збірае трасы ўзаемадзеяння ад многіх карыстальнікаў, развівае агульныя навыкі агентаў праз агентны эвалюцыянер і за ноч правярае змены перад выкаткай.

Выдавец: REACTAPP.TOP5 хв чытання1209 слоў

Крыніцы: SkillClaw: One Agent Fails, Every Agent Learns

Удосконаленне навыкаў агентаў з часам ў даны час ўважаецца аднай з найперспектывнейшых ідэй у гэйтарынку. Framework SkillClaw, опісаны ў статыі на arXiv з квітня 2026 года, прыменяе гэту ідэю у сцэнарыі, калі багато корыстувачаў выкарыстоўваюць адну і тую ж экосыстэму агентаў (OpenClaw); варта розглянуць, як гэта функцыонуе і дзе можа быць недастатак.

Чаму ныякія схемы развіцця навыкаў застаюцца на месцы

Агенты цэлы дзень спілкуюцца з корыстувачамі і назбіраюць досвядчэнне, пры тым што вельмі малая частка з яго палягае на павышэнні якосці всіяго сістэмы. Існуе калькі прычын.

  • Навыкі здэйсніваюцься пераважна статычна. Іх хтось установляе і падтрымвае вручную, і пасля чаго яны рэдка зміняюцца. Нават калі агент знаходзіць лепшы спосаб у ходзе віканання задання, гэтыя павышэнні зазвычай застаюцца толькі в межах той самай розмовы і ніколі не потрапляюць у базу навыкаў.
  • Пользоватары постаўляюць на тыя ж працягі. Людзі выконваюць падобныя працэсы, выкарыстоўваюць тыя ж інструменты і практыкуюць тыя ж аблыкі: некарэктныя фарматы параметраў, выклікі інструментаў у неправіловай 순서, відсутнае параболікацыя. Няма нічога, што бы спаяла гэтыя законамірнасці між разнымі пользоватэлямі чы ў часе, таму багато людзей самі зноў знаходзяць тыя ж рашэнні.
  • Існуючыя падходы пакрываюць толькі палову проблемы. Сістэмы памяці зберагаюць історыю, каб яе можна было шукаць, але ў яных ёсць труднасці з ператварэннем яе ў навыкі, якія можна было бы перыскорыць чы удосконаліць. Бібліятэкі навыкаў дзеясно агрупаваюць дасвядчэння, але яны часта застаюцца незменнымі і не розвіваюцца праз ўжыццё.

Уявіце сабе, калі розрозненыя дасвядчэння з разных сэсій стануць навыкамі, якімі можа скорыстацца весь сістэма і якія будуць постаўляць удосконаленні. Параболікацыя, знайдзенае ў аднам месцы, будзе распространяцца праз спакульнаны рэпазітары, і кожны будучы агент, які выкарыстоўвае гэты навык, будзе отрымаць карысць.

Замкнуты цыкл для колектываўскай эвалюцыі

SkillClaw сабіра следы взаімадзеяння з кождага дзенневага выкарыстоўвання ад усіх корыстувачаў, ператварае іх у лепшыя навыкі і сінхронізуе ўдосконаленыя навыкі з кожным агентам. Цыкл складаецца з чатырох крокаў.

1. Запісваюцься следы взаімадзеяння

Кожная адмянка фіксуецца цэлым: не толькі фінальныя адпаведзі, але і промпты, дзеянні, вызовы інструментаў, адказы на адказы, бяды, адзывы з арэны і заканчоўны адпаведз. Дзеянні маюць значэнне, таму што багатыя проблемы з навыкамі часта крыюцца ў проміжных кроках, а не ў рэзультатах.

2. Ствараецца спакульная доказовая база

Следы структуруюцься і групуюцца па навыках, якія ў яных задыяны. Гэта дазволяе пораўняваць успехі і невдачы аднаго навыку у разных корыстніках і у разных умовах, што паказвае, калі і чаму ён працюе. Сесіі, якія не выкарыстоўвалі жадных існуючых навыкаў, патрапляюць у спецыяльную групу, пазначаную як G(∅), якую алгорытм аналізуе на прэдмет прасоў: конкрэтных процедураў, якія можна было бы выучыць і якія, верагодна, знову з’явяцца.

3. Развіць навыкі за дапамой агентнага алгорытма

Центральны элемент — агентны алгорытм. Ён не следуе рукапісным правілам. Ён адкрыта аналізуе доказы групы разам з чырвоннымі вакаляціямі навыкаў, а потым выбірае адна з трох можлівасцей: удосконаліць існуючы навык, стварыць новы або не чыніць нічога.

У ёму разам аналізуюцца перамогі і працы. Перамогі паказуюць тыя аспекты навыку, якія не трэба меняць, тады як працы паказваюць, што трэба практыкуваць. Мета — ухіліцца ад сітуацыі, калі падчас ліквідацыі аднаго недалекаўлення ламаецца тое, што ўжо працавала, а наступны крок дагадвае ўтрохтуючыя заходы.

4. Пераканацца пры запуске

Нічога не запускаецца адразу. Прамагчыцяльныя навыкі тэстуюцца працоўнае вечара ў рэалістычных умовах, паўставляючы новыя навыкі проты старых у адпаведных задачах.

  • Прыймаюцца толькі тые кандыдаты, якія перамагаюць навык, які ўжо запускаецца, у адпаведных задачах на перакананне, яны аднароджуюцца ў спяльны рэпазітарыі і запускаюцца для всіх агентаў наступнага дня.
  • Кандыдаты, якія парадзяюць гірш, адхоўляюцца, што дае тое, што автары называюць монотонным запускам: калекцыя навыкаў ніколі не пагіршваецца.

Такая перапрацоўка безпекі мае свойя выклікі. Працэс параболкі выкарыстоўвае дадатковыя токены, адтолькі кандыдаты должны працаваць у рэальных сэрвісах з повным взаімадзеяннем з інструментамі. Рэзультатам являецца стабільнейша праця прыстрою для корыстувачаў у пораўнанні з безпосерэднім запускам змян.

Ацэнка

Пытанне заключалася у тым, чы розвіт навыкаў, створаны за дапамогою дадзеных ад колькіх корыстувачаў, павышае эфектыўнасць пад час выканання пазнейшых задач, якія апошнія супадаюць з рэальной працай агента.

Настройка

Бенчмарк WildClawBench складаецца з 60 складных задач у шасці сферах спроможнасця. Задачы выкананыя цэлым цыклам у рэальных кантэйнерах Linux з рэальнымі інструментамі і багатамодальнымі данымі, а не толькі тэкстовым выходам. Оцэнка ўжо строгая, і крытычная памылка можа знізіць бал задачы да нуля.

Тэст таксама не быў адзінам запускам у фонавым рэжыме. Ён сімуляваў шэсць дзён працы сістэмы. Кожны дзень восьмеро адночасных корыстувачаў выканалі задачы за дапамогою агентаў. Кожную ночь сістэма стварала праекты апдэйтаў навыкаў на адной з дзён і пераканаліваў іх у рэалістычным сераўысе; толькі тые абнаўленні, якія працавалі, запускаліся наступны дзень. Усю час адбывалася праца з тым самым модэлем — Qwen3-Max.

Рэзультаты

Былі адмовлены рэзультаты для чатырох тыповых катэгорый задач, пры чым шляхі паліпроцэсу былі разныя. Крэатыўная сінтэза спачатку павышыла свою эфектывнасць завялік болей надзеяным сераўысам і налаштаванням вхідных дадзенняў. Пошук і выкарыстоўванне інфармацыі паліпшаліся паэтапна: спачатку прабывалася пераканаліваць файлы, а пасля — планаваць працэс выкарыстоўвання інфармацыі, лепей сягледваючы усі обмежэнні.

Параўняўчы з першым днём, графік не быў неравнамерным. Ён падымаўся пашагоўна, а пасля стабілізаваўся ў большасці катэгарыяў, адколі падтверджаныя абнаўленні былі адключаны да найкрашчага набора навыкаў да гэтага часу.

Протыма, трэба памятаць пра масштаб: восьць корыстувачаў, шысьць днёў і чатыры заданыя катэгарыі. Гэта маленькі эксперымент. Стабільныя прыросты ўтыкваюць у розвіт навыкаў колектыва, але справжнія віпробаванні — у большых масштабах застосоўвання.

Ацэнка

SkillClaw адзінакава праектаваны. Ён агрэгуе даныя пра выконанне ад існуючых агентаў, выкарыстоўвае механізм эвалюцыі агентаў для аналізу успехоў і няўдач, правярае навыкі на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчынку на аднойчын

  • Эвалюяцыя, выконанне і параболіка ўсе залежаць ад аднаго основнага модэлю. У параболіцы, у чым случайнасць, сам модэль параболіcuе старыя і новыя рэзультаты. Гэта можа стварыць цыкл, у яком адна група уперакцэйваў продовжвае сама сябе падкрэпляць. Рэзультаты тэставання могу стабільна раставаць, але без адпаведных бізнес-метрык.
  • Выбір тых взаімадзеянняў, якія на самай працоўцы ёсць хорашымі, застаецца нерашаным прыблымам. Без надзеянага цыклу ацэнкі стварэнне рэпазітарыю высокакалітэтных адзнакаў ёсць вельмі складным.

Фрэймворк таксама падобны Trace2Skill — аднойчы схожам падходу, які ператварае дазнаўанні агентаў у пераносныя навыкі. Оба падходы раздэляюць думку, што агенты можу падняць свою кваліфікацыю без дакладнай налаштовкі параметраў, ператвараючы свае дазнаўанні ў навыкі, якія можна вярнуць у практыку. Разлікі межуцься наступным:

  • SkillClaw спрытвае эвалюцыю навыкаў галоўная як проблему онлайн-сістэм: як распрашчаныя агенты можаць збіраць фрагментаваныя ўсёдневныя взаімадзеінні ў спяльныя навыкі і безпечна ўдосконаляць іх у сімуляваным рэалістычным сераўысе.
  • Trace2Skill спрытвае гэта як дастыляцыю аднароджэння: раскладае многа індывідуальных следоў, сінтэзуе высокакалітэтныя загальныя урокі і складае іх у пераносныя, дэкларатыўныя артыфакты навыкаў.

Асновны артыкул называецца "SkillClaw: Let Skills Evolve Collectively with Agentic Evolver" і ён доступны на arXiv.

Спаднёючая літэратура

  • Чаму саме інструмент для агента, а не сама мадэль, вяршыць рашынкамі пра тое, што стане рэальнасцю — Апдэйт CRM пасля выканання таймауту паказвае, чаму агентам патрэбны контракты на інструменты, станы з невядомым рэзультатам, можлівасць павтарэння запуску і пераканальвана завершэння, а таксама контрольны механізмы, якія варта зберагчы. —