Головна / Статті

SkillClaw: Коли один агент зазнає невдачі, кожен агент вчиться.

Як SkillClaw збирає сліди взаємодії від багатьох користувачів, розвиває спільні навички агентів за допомогою агентного еволютора та перевіряє зміни протягом ночі перед їх впровадженням.

Видавець: REACTAPP.TOP5 хв читання1209 слів

Джерела: SkillClaw: One Agent Fails, Every Agent Learns

Покращення навичок агентів з часом є однією з найбільш перспективних ідей у цій галузі наразі. SkillClaw — це дослідницька модель, описана у статті на arXiv у квітні 2026 року, — застосовує її у ситуації, коли багато користувачів діляться однією екосистемою агентів (OpenClaw), і варто розглянути, як вона працює та де може мати обмеження.

Чому поточні системи навичок не розвиваються

Агенти постійно спілкуються з користувачами та накопичують досвід, проте дуже мало з цього покращує систему в цілому. Існує кілька основних причин.

  • Навички переважно є статичними. Хтось встановлює та підтримує їх вручну, і після цього вони рідко змінюються. Навіть якщо агент знаходить кращий метод під час виконання завдання, це покращення зазвичай залишається в межах цієї розмови та ніколи не потрапляє до репозиторію навичок.
  • Користувачі постійно стикаються з однаковими проблемами. Люди дотримуються схожих процесів роботи, використовують одні й ті самі інструменти та повторюють одні й ті самі помилки: неправильні формати параметрів, виклики інструментів у неправильному порядку, відсутність перевірки. Ніщо не пов’язує ці закономірності між користувачами чи з часом, тому багато хто знову і знову знаходить одні й ті самі рішення самостійно.
  • Існуючі підходи охоплюють лише половину проблеми. Системи пам’яті зберігають історію для її пошуку, але у них виникають труднощі з перетворенням цієї інформації на навички, які можна було б повторно використовувати чи вдосконалювати. Бібліотеки навичок дійсно об’єднують досвід, але вони зазвичай залишаються незмінними та не розвиваються під час використання.

Уявіть собі, як розрізнений досвід з багатьох сеансів перетворюється на навички, якими може користуватися весь система та які постійно вдосконалюються. Перевірене рішення, знайдене в одному місці, поширюватиметься через спільний репозиторій, і кожен майбутній агент, який використовуватиме цю навичку, отримає від цього користь.

Замкнений цикл для колективної еволюції

SkillClaw збирає сліди взаємодій під час щоденного використання серед користувачів, перетворює їх на кращі навички та синхронізує ці вдосконалені навички з кожним агентом. Цей цикл складається з чотирьох кроків.

1. Записування слідів взаємодій

Кожна взаємодія фіксується повністю: не лише кінцеві відповіді, а й проміжні запити, дії, виклики інструментів, помилки, зворотний зв’язок від середовища та завершальна відповідь. Деталі мають значення, оскільки багато проблем із навичками ховаються саме у проміжних кроках, а не у кінцевому результаті.

2. Створення спільних доказів

Сліди структуровані та групуються за навичками, які вони включають. Це дозволяє порівнювати успіхи та невдачі певної навички у різних користувачів та умовах, що допомагає з’ясувати, коли та чому вона ефективна. Сесії, які не використовували жодної існуючої навички, потрапляють у спеціальну групу, позначену як G(∅), яку алгоритм аналізує на наявність прогалин – конкретних процедур, які можна було б навчити та які, ймовірно, знову знадобляться.

3. Розвиток навичок за допомогою агентного алгоритму

Центральним елементом є агентний алгоритм. Він не дотримується вручну написаних правил. Він відкрито аналізує докази групи разом із поточними визначеннями навичок, а потім обирає один із трьох варіантів: вдосконалити існуючу навичку, створити нову чи залишити все як є.

Він розглядає успіхи та невдачі разом. Успіхи позначають ті аспекти навички, які не слід змінювати, тоді як невдачі вказують на те, що потребує вдосконалення. Метою є уникнення ситуації, коли при виправленні однієї проблеми пошкоджується те, що вже функціонувало належним чином, а наступний крок додає ще один захист.

4. Перевірка перед впровадженням

Ніщо не вводиться в експлуатацію миттєво. Кандидатські навички тестуються протягом ночі в реалістичних умовах, порівнюючи нові зі старими на відповідних завданнях.

  • Приймаються лише ті кандидати, які перевершують поточну навичку у відповідних завданнях на перевірку, їх об’єднують у спільний репозиторій та впроваджують у всі агенти наступного дня.
  • Кандидати з гіршими результатами відкидаються, що забезпечує те, що автори називають монотонним впровадженням: набір навичок ніколи не погіршується.

Ця перевірка безпеки має свою ціну. Підтвердження вимагає додаткових токенів, оскільки кандидати повинні працювати в реальних середовищах із повною взаємодією з інструментами. Перевагою є більш стабільна робота програми для користувачів порівняно з безпосереднім впровадженням змін.

Оцінка

Питання полягало у тому, чи покращує еволюція навичок, зумовлена даними багатьох користувачів, продуктивність під час виконання подальших завдань, схожих на реальну роботу агентів.

Налаштування

Бенчмарк WildClawBench включає 60 складних завдань у шести сферах компетенцій. Завдання виконуються повністю всередині справжніх Linux-контейнерів із справжніми інструментальними комплексами та багатомодальними вхідними даними, а не лише текстовим виводом. Оцінювання є суворим, і критична помилка може знизити оцінку завдання до нуля.

Тест також не був єдиним офлайн-виконанням. Він імітував шість днів роботи системи. Щодня вісім одночасних користувачів виконували завдання через агентів. Щоночі система генерувала пропозиції оновлень навичок на основі даних того дня та перевіряла їх у реалістичному середовищі, причому лише ті оновлення, які пройшли перевірку, впроваджувалися наступного дня. Протягом усього тесту використовувалася та сама модель — Qwen3-Max.

Результати

Були надані результати для чотирьох типових категорій завдань, причому шляхи покращення відрізнялися. Спочатку креативний синтез отримав користь від більш надійного середовища та налаштувань вхідних даних. Функції пошуку та отримання інформації покращувалися поетапно: спочатку шляхом перевірки файлів, а потім шляхом планування пошуку з кращим дотриманням обмежень.

Порівняно з першим днем крива не була нерівномірною. Вона поступово піднімалась, а потім стабілізувалась у більшості категорій, оскільки перевірені оновлення були інтегровані до найкращого набору навичок на той момент.

Проте варто пам’ятати про масштаб: вісім користувачів, шість днів та чотири задекларовані категорії. Це невеликий експеримент. Постійні покращення є обнадійливими для колективного розвитку навичок, але справжнім випробуванням є більш масштабні впровадження.

Оцінка

SkillClaw має складну архітектуру. Він об’єднує дані про виконання завдань від існуючих агентів, використовує механізм еволюції для аналізу успіхів та невдач, коригує навички на основі отриманих даних, а потім проводить асинхронні тести, залишаючи найкращі результати. Усе це залежить від наявності великої кількості даних про взаємодію, як позитивних, так і негативних, від великої аудиторії користувачів.

Виділяються дві проблеми.

  • Еволюція, виконання та перевірка всі залежать від однієї основної моделі. Особливо під час перевірки модель сама порівнює старі та нові результати. Це може створити замкнене коло, у якому певні упередження постійно підсилюють одне одного. Оцінки за бенчмарками можуть поступово зростати, без відповідного покращення реальних бізнес-метрик.
  • Визначення того, які взаємодії є справді ефективними, залишається нерозв’язаною проблемою. Без надійного механізму оцінки створення якісного архіву слідів діяльності є дуже складним.

Ця платформа також схожа на Trace2Skill — схожий підхід, який перетворює досвід агентів на переносимі навички. Обидва підходи ґрунтуються на ідеї, що агенти можуть покращуватися без доробки параметрів, перетворюючи сліди своєї діяльності на повторно використовувані навички. Однак є значні відмінності:

  • SkillClaw розглядає еволюцію навичок переважно як проблему онлайн-систем: як розподілені агенти можуть об’єднати фрагментовані щоденні взаємодії у спільні навички та безпечно їх удосконалювати в симульованому реалістичному середовищі.
  • Trace2Skill розглядає цей процес як дистиляцію досвіду: розбиває багато окремих записів, синтезує високоякісні загальні уроки та формує з них переносимі, декларативні елементи навичок.

Оригінальна стаття має назву „SkillClaw: Let Skills Evolve Collectively with Agentic Evolver“ та доступна на arXiv.

Пов’язана література

  • Чому саме інструментарій агента, а не модель, визначає, що стане реальністю — Оновлення CRM із тайм-аутом показує, чому агентам потрібні контракти на інструменти, стани з невідомим результатом, ідемпотентні спроби та підтвердження завершення, а також контроли, які варто зберегти.