SkillHone: Ein Rahmenwerk für die kontinuierliche Evolution von Agentenfähigkeiten durch beständige Entscheidungshistorie

Zusammenfassung

Agentenfertigkeiten erweitern Sprachmodell-Agenten mit aufgabenspezifischen Prozeduren, Skripten und Referenzen, jedoch unterliegen die adressierten Aufgaben und Umgebungen ständigem Wandel. Bisherige Methoden verbessern Fertigkeiten in begrenzten Durchläufen und bewahren lediglich das finale Artefakt, wobei sie die Entscheidungshistorie verwerfen, die nachfolgende Agenten benötigen, um frühere Revisionen, Bewertungen und abgelehnte Alternativen zu interpretieren. Wir führen SkillHone ein – ein Rahmenwerk zur kontinuierlichen Evolution von Agentenfertigkeiten, das auf einer persistenten Entscheidungshistorie gründet. SkillHone verknüpft Fertigkeitsrevisionen mit evaluationsseitigen Belegen, die praktisches Feedback liefern, und zeichnet strukturierte Verläufe von Diagnosen, Revisionen, Belegen und Ergebnissen auf. Rollengetrennte Unteragenten führen Kandidatenfertigkeiten auf Übungssonden mit geschwärzter Berichterstattung aus und schlagen, gestützt auf frühere Entscheidungen, Revisionen vor – dies ermöglicht eine sitzungsübergreifende Verfeinerung ohne erneutes Erschließen zurückliegender Begründungen. Auf Deep-Research-Benchmarks arbeitet SkillHone ohne vorintegrierten Suchstapel und übertrifft den kommerziell gestützten Deep-Research-Agenten um 15,8 Punkte auf GAIA sowie um 3,2 Punkte auf WebWalkerQA-EN und liegt damit auch über früheren Methoden der Fertigkeitsevolution. Zudem setzen wir SkillHone in internen werkzeugvermittelten Analyseszenarien ein, wo es die Genauigkeit über sieben Konfigurationen hinweg um durchschnittlich 18,8 Punkte steigert.

English

Agent skills extend language-model agents with task-specific procedures, scripts, and references, but the tasks and environments they target continually change. Existing methods improve skills in bounded runs and retain only the final artifact, discarding the decision history that later agents need to interpret prior revisions, evaluations, and rejected alternatives. We introduce SkillHone, a harness for continual agent skill evolution grounded in persistent decision history. SkillHone pairs skill revisions with evaluation-side evidence that supplies practice feedback, recording structured histories of diagnoses, revisions, evidence, and outcomes. Role-separated subagents run candidate skills on practice probes with redacted reporting and propose revisions informed by prior decisions, enabling cross-session refinement without rediscovering past rationale. On deep-research benchmarks, SkillHone runs without a pre-integrated search stack and outperforms the commercially backed deep-research agent by 15.8 points on GAIA and 3.2 points on WebWalkerQA-EN, while also exceeding prior skill-evolution methods. We further deploy SkillHone on internal tool-mediated analysis scenarios, where it improves accuracy by an average of 18.8 points across seven settings.