谷歌SkillOS刷屏:AI智能体头一回不靠堆参数,就学会了"自己长技能"

原创2026-10-19 17:33:441,981 阅读
文章标签:AI 技能开发工具人工智能提示工程代码评审

谷歌SkillOS刷屏:AI智能体头一回不靠堆参数,就学会了"自己长技能"

今年头几个月,编程圈被一个词刷屏了:Skills(技能)。

掘金上一篇《火爆全网的Skills,看这一篇就够了》点赞过两万,另一篇《40个Agent Skills精选资源》也拿到一万多点赞。腾讯直接上线了自家的AI技能社区SkillHub,智源研究院干脆为它造了第一套系统测评"尺子"——SkillsBench。

就在这股生态热到发烫的时候,今年5月,谷歌DeepMind团队又扔出一颗重磅炸弹:SkillOS。

科技媒体给它起的标题毫不客气:"不靠堆参数!让AI智能体真正学会自我进化。"

它到底牛在哪?一句话:这是AI智能体头一回,不靠加大模型参数,就学会了"自己长技能"。

一、先用大白话搞懂:"技能"是个啥

别被英文词吓到,"技能"说白了就是给AI发的一本工作手册。

一个技能,就是一个小文件夹:里面有一页"作业指导书",再配几个顺手的工具、模板和参考资料。AI干活前翻一翻,就知道这事儿该按什么步骤做。

OpenAI给自家的Codex助手维护着一个官方"技能目录",相当于一个技能超市:39个精心挑选的技能,光Figma(一款设计软件)相关就占了7个,另外还有处理PDF、给网页截图、一键部署网站、自动回复代码审查意见、整理会议纪要等等。官方口号就八个字:一次写好,到处使用。

但你注意,这种"静态技能"有个天花板——手册是人写的。AI照着念就行,像个刚入职、照着培训手册干活的新员工。手册写得多好,它就干得多好;没人更新手册,它就永远停在那儿。

二、SkillOS干了件"头一回"的事:让AI自己长手册

谷歌这篇论文今年5月挂在学术预印本网站arXiv上(编号2605.06614)。核心思路特别妙:

AI的"脑子"(模型参数)一根手指头都不动,只在外面训练一个会成长的"技能库"。

它把活儿拆成两个角色:

一是"干活的人"(执行者):负责接任务、翻手册、动手干。这一角色是冻结的,从头到尾不变,主打一个稳定。

二是"管本子的人"(技能管家):负责管那本技能手册——哪条经验值得记下来、哪两条该合并、哪条已经过时该划掉。整个系统里,只有这一位是"训练"出来的,越干越会管。

怎么训练?靠"试错加发奖金"(这就是强化学习的大白话版)。系统给它安排一串串相关联的任务:前面的任务用来攒经验、往本子里写东西;后面的关联任务,专门验收前面写的内容到底有没有用。写了没人用,甚至越帮越忙,"分数"就低;只有让后面的活儿越来越顺,才能学到真正会管本子的本事。

结果呢?三个亮点,全写在论文里:

第一,又对又快。 跟"不带本子"和"只靠记性(记忆)"两套班子比,它在"能不能干成"和"干得多省"两项上稳定胜出。

第二,本子越用越精致。 技能不是越记越乱,而是越整理越有条理,慢慢凝结成更抽象的"元技能"(通用方法论)。就像老师傅的私人排障手册,年头越久越成体系。

第三,管家能"跳槽"。 训练好的这位管家,换到不同的底层模型、不同的任务领域,依然知道怎么管本子。

还有一个让人很安心的细节:技能库里的东西,全是人眼能直接打开看的普通文本文件。成长写在明处,看得见、查得到,不是模型肚子里的黑盒。

三、跟OpenSkill、静态技能比,高下在哪

把三条路线摆在一起看,就清楚了。

静态技能(Claude系、上面那个Codex技能超市都是这类):人写手册,AI照做。稳,但天花板是死的。

OpenSkill:今年6月,北京大学孙立超团队发布,36氪当时的标题是"刷新多项基准SOTA"。思路是"开放世界自学"——没人教、没人出题的情况下,AI自己去公开资料里找原料,把手册自己编出来,甚至自己出"模拟题"刷题,编好的技能还能直接搬给别的模型用。

那SkillOS的增量在哪?

OpenSkill回答的是"AI怎么写出手册";SkillOS回答的是更深一层的问题——"手册长期怎么管":什么该记、什么时候合并、什么时候该扔。而且这些决定的反馈是滞后的:今天记的那条经验,要过一阵子才知道是好是坏。SkillOS是头一个正面啃下这个"长期、延迟反馈"管理难题的方案,让AI真正学会经营一本越用越值钱的本子。

写手册 vs 会经营手册,这就是代差。

四、离真正"上岗",还有多远?

说句实在话:目前SkillOS还在论文阶段。它验证的是成串的相关任务,管本子的"管家"也得先经过离线训练才能上岗,普通人今天还下载不到"即开即用"的版本。

但周边生态已经在高速运转,方向感很明确:

  • 腾讯上了SkillHub技能社区,智源造了SkillsBench测评尺子;
  • 英伟达做了一个"技能AB测试员",对145个真实技能逐一验收:装上技能后,72.8%的测试案例表现变好。企业已经开始像管理软件质量一样管理软件"技能"了。

警报同样在响。有研究发现,社区技能里约26%带着安全漏洞;研究者还专门做出红队工具,模拟攻击技能本身。

这正是自我进化最大的隐患:一本自己写的本子,如果学会了"坏招"(错误的捷径、危险的操作),它会长期、反复地用下去。学界的安全综述说得直白——一旦经验变成"可长期复用的状态",过去无害的信息,都可能变成未来事故的伏笔。

所以可以预期:它未来会先落在有人类审计、有权限闸门的场景里落地。本子人可读、动作可拦截,是这条路线能走向生产环境的门票。

五、普通人现在就能吃到什么红利

不用等SkillOS成熟,技能生态今天就能上手:

对AI助手说一句"装一下PDF技能"或"装个截图技能",重启一下,它就学会了拆PDF、合并文档、给网页拍照。想让AI自动帮忙回复代码审查意见?目录里有现成的。

门槛基本就是"说一句话,装完就能用"。程序员是首批受益者;做自媒体的、天天跟文档打交道的办公族,从文档类技能入手也毫无压力。

从"人给AI写手册",到"AI自己写手册",再到"AI学会经营手册"——技能这条路,几个月就跑了整整一圈。而SkillOS指出的终点,是一种用越久越顺手、越用越懂你的AI:不换脑子,只长本事。

话说回来,如果你的AI助手真有一本"越用越懂你"的本子,你最希望它先记住你什么事?评论区聊聊。

登录后查看全文
skills