谷歌SkillOS，让Agent自己管Skill

谷歌前几天放了一篇论文，把 Skill 这套玩法直接推到了一个新阶段：让 Agent 自己学会写、自己学会改、自己学会删 Skill

论文叫《# SkillOS: Learning Skill Curation for Self-Evolving Agents》

arxiv.org/abs/2605.06614

一句话概括论文

Skill 是 Agent 的"程序性记忆"，过去都是人手动写、手动维护；SkillOS 让 RL 训练出来的一个"Skill Curator"自动接管这件事

整个系统由两部分组成：

• Agent Executor（冻结，不训练）：负责干活——给一个任务，它从 SkillRepo 里挑相关 Skill，按 Skill 执行
• Skill Curator（可训练）：负责管 Skill——执行完一个任务后，看着轨迹决定是 insert / update / delete，更新 SkillRepo

下图就是 SkillOS 的整体框架，论文 Figure 1：

SkillOS 整体框架：Executor 用 Skill，Curator 改 Skill

我把这个闭环再画成一张信息图：

SkillOS 让 SkillRepo 自我进化

注意一个非常关键的细节：Skill 的存储格式是 Markdown 文件——和 Anthropic 那套 Agent Skills 一脉相承

论文要解决什么问题

LLM Agent 现在最大的尴尬：每个任务都是"一次性"的，做完就忘，下次相似的任务还得从头再算一遍

业界已有几条路线：

SkillOS 的角度是：用 RL 训练一个长 horizon 的 Curator，专门学习 Skill 库的管理策略

关键设计

1. 任务流分组 + 两阶段评估

它把任务按"技能相关性"分组成 stream：前面的轨迹用来更新 SkillRepo，后面相关的任务用来评估"你这次更新是不是真的有用"——给 Curator 提供了延迟奖励信号

2. 复合奖励 (composite rewards)

光看下游对/错没法准确归因到 Curator 的某次具体编辑——所以作者设计了组合奖励，把执行反馈更精准地传回给"那一次 Skill 操作"

3. Skill 格式定死 Markdown

跟 Claude Skills、OpenAI Skills 的存储格式一致，方便迁移、方便人读、方便 LLM 写

实验结果（结论性的部分）

论文在多轮 Agent 任务和单轮推理任务上都做了对比：

• SkillOS 稳定打过 memory-free baseline 和强 memory-based baseline——又快又准
• 训出来的 Curator 能跨 Executor 主干迁移（即你换底层模型，Curator 还能用）
• 训出来的 Curator 能跨任务域迁移
• 更有意思的：随着训练推进，SkillRepo 内部会发展出**更高层级的"meta-skill"**——也就是 Skill 自己开始有层次结构、有抽象——这点很哲学了

这篇论文为什么值得关注

1. 它正式把"Skill 管理"这件事变成了一个 RL 问题

之前大家想 Skill 体系，要么靠人写、要么靠规则，SkillOS 给出了"学习 Skill 管理策略"这条路的可行性证明

2. 它选了 Markdown 作为载体

这个选择不是巧合，Anthropic Skills、OpenAI 最近的 Skill 体系、Hermes Agent 的 Universal Skills 全是 Markdown——这意味着学界和业界的"Skill 格式标准"正在收敛

3. 它给 self-evolving agent 提供了一个具体抓手

"自进化 Agent"这个词喊了快一年了，但具体怎么"进化"一直没明确锚点，SkillOS 把锚点定在"Curator 学会管理 SkillRepo"上，这条线比模糊地说"加 memory"要清晰得多

局限和疑问（我个人的看法）

• 论文里 RL 训练成本到底多大，没充分展开——这是工程上的真问题
• "Curator 能跨任务域迁移"听起来很美，但跨度有多大？需要更多对照实验
• Markdown 是好选择，但 Skill 间的依赖、版本、冲突怎么处理，是后续要补的拼图

总结

我之前文章里多次说过，Skill 会成为 Agent 体系的标配，SkillOS 这篇论文又往前推了一步：Skill 这套体系不仅要会用，还要会"管"，而"管"也可以被训练

接下来一年，估计会看到一波"用更聪明的方法管 Skill"的工作冒出来——SkillOS 是其中很扎实的一篇