GenericAgent 如何自动生成 Skills？自进化 Agent 工作流详解

同一个网页采集任务第一次跑了十几轮，第二次却只要一句指令，很多人会把这种变化理解成“模型自己变聪明了”。GenericAgent 的变化更具体：它把已经验证过的执行路径结晶为 Skill，后续直接召回；它不会在后台偷偷训练模型权重，也不能保证旧 Skill 永远适配新环境。

它保存的是方法，不是一次性的答案

一个可复用 Skill 至少要知道输入从哪里来、需要哪些依赖、按什么顺序调用工具、怎样判断成功，以及失败后退回哪一步。只保存最终脚本，换目录、换账号或换字段就可能崩；只保存自然语言经验，又会让下一次重新探索。GenericAgent 的分层记忆把环境事实、任务流程和会话记录分开，目的正是降低这种混淆。

一次新任务怎样结晶成 Skill

1. 识别缺口。Agent 先发现现有记忆里没有直接可用的方法。任务描述若只有“处理一下”，它连缺口是什么都无法界定，生成的流程会从起点就偏掉。
2. 自主探索。通过 code_run 安装依赖、写脚本、调用接口并调试，同时用文件或网页工具取得真实反馈。网络受限、权限不足或接口返回变化时，探索会失败，不能把重试次数当成验证。
3. 完成校验。把输出和明确标准对照，例如字段数量、金额合计、页面状态或生成文件。没有验收标准的“运行成功”只说明程序没报错，不说明结果正确。
4. 抽取稳定路径。保留依赖、参数、判断点和失败处理，移除临时路径、一次性账号与偶然页面位置。若把本机绝对路径和私人凭证写进 Skill，可移植性和安全性都会一起下降。
5. 写入并召回。方法进入任务技能层，下一次由相近意图触发。网站改版或接口升级后，召回仍可能成功、执行却失败，因此 Skill 需要版本信息与重新验证入口。

Skill 和普通脚本差在“可判断”

如果某个流程只能在作者电脑上跑通，它更像一段个人脚本；如果它能识别前置条件、在关键分叉做判断，并在失败时说明缺少什么，才接近 GenericAgent 所说的 Skill。

怎样让生成出来的 Skill 更干净

第一次任务就写清“只在测试环境探索”“成功后总结依赖、输入输出和失败分支”“保存前移除密钥与绝对路径”“第二次用新样本复跑”。这四句会逼迫 Agent 区分临时动作与稳定方法。若不要求复跑，第一次的偶然成功很容易被当成通用经验。

还要限制自动安装范围。允许按需增加一个 OCR 包，不等于允许修改系统 Python、全局代理或浏览器安全设置。依赖装得越深，Skill 表面上越强，迁移到另一台机器时越容易失效。

重复运行变短，只能算一个信号

官方评测用多类重复任务观察 Token 使用的收敛，曲线下降说明后续运行减少了探索开销。但 Token 少不等于结果一定好：错误 Skill 也可能非常快。更可信的判断是三项一起看——调用轮次下降、输出仍通过原验收、环境变化时能主动触发修复。

别把自进化交给无人复核的循环

技能树增长需要筛选。把临时故障、私有路径和未经验证的猜测全部写入长期记忆，会让召回越来越快，判断却越来越脏。高风险任务还应禁止自动沉淀凭证、发送对象和不可逆动作。

验证方法不复杂：准备一个从未见过的新样本，第二次运行时记录它召回了什么、跳过了什么、在哪个条件下停下。能解释、能复跑、能在变化时承认失效，这个 Skill 才算真正留下来。