导读自进化 Skill 让 AI 根据任务经验分析问题、更新技能，把有效做法留给后续任务。个人可以从反馈驱动的自动维护开始，但改了文件还需要验证效果。本文先理清 Skill、Agent 与模型，再区分自主执行、自举和递归自我改进，最后落到个人可操作的维护方法。
本文 3817 字，阅读约 10 分钟
什么是自进化 Skill？从一次反馈说起
改 Skill、改 Agent、改模型，分别改哪里？
常见的 RSI 在做什么，递归又在哪里？
自进化 Skill，现在有哪些做法？
普通人怎样开始？从一个重复任务做起
什么是自进化 Skill？从一次反馈说起
用 Skill 让 AI 写完一篇文章，你可能会继续和它沟通：这处结论没找到来源，那个数字还没核验，标题也需要收一收。
文章改好了，你还希望下一篇少犯同样的错误。起初，可以自己把要求写进 Skill；等到规则、脚本和参考资料越来越多，手动定位修改位置就没那么容易了。于是，你让 AI 按照刚才讨论的问题，检查 Skill，看看哪些地方需要调整。
按照 Agent Skills 规范，Skill 是一个以 SKILL.md 为入口的文件夹，可以包含任务指令、脚本、参考资料和模板。它保存的是可复用的做事方法，后续任务加载时可以继续使用。
可以把自进化 Skill 理解为：AI 根据任务经验或反馈，参与技能的分析、修改等优化工作，并把更新保存下来，供后续任务使用。
它不要求全过程无人参与。你可以每次发起复盘，也可以预先写入条件，让 AI 收到问题反馈后自动检查：规则有没有遗漏或冲突，还是本次执行没有遵守已有要求？确需修改时，AI 在授权范围内更新技能；无需修改时，先纠正执行。
这里，人提供了对结果的判断，AI 承担了一部分技能维护工作。不过，自动改了不代表改好了，还需要验证效果，再决定是否保留。
人介入更少，首先说明任务执行更自主，不一定发生了自进化。例如，Claude Code 的 Auto mode 用自动检查替代部分人工权限确认，能减少执行中断；这项功能本身并不证明它会根据经验更新 Skill。自己修好当前项目，与把经验写成以后会使用的方法，是两件事。
理解这一步后，再看改 Skill、改 Agent、训练模型，就容易区分它们在改什么。
改 Skill、改 Agent、改模型，分别改哪里？
Agent 是能结合模型、工具和状态执行任务的智能体。模型周围负责组织执行的提示词、工具接口、记忆和调度等设施，常被称为 Harness；Skill 通常也是其中一个组件。
所以，Skill、Agent 和模型并非三种互斥方案。它们处在不同范围，改 Skill 通常也是在改 Agent 系统的一部分。为了看清具体动作，可以按修改对象来比较：
例如，增加写稿前的出处核验步骤，改的是任务 Skill；调整搜索工具、记忆检索或任务调度，改的是外围执行设施；通过训练更新模型参数或适配参数，则属于模型层面的变化。
训练是总称，预训练和微调都属于训练。全参数微调更新原模型的全部参数；LoRA（低秩适配）微调通常冻结原模型权重，训练额外加入的小规模参数，推理时让这些参数参与计算。因此，原模型权重冻结也可能发生模型层面的适配，要看是否训练了适配参数，而不能把它与只修改 Skill 文本混为一谈。
修改对象回答的是“改哪里”。接下来讨论的 RSI，则还要追问“这些改进怎样推动下一轮改进”。
常见的 RSI 在做什么，递归又在哪里？
RSI 的全称是 Recursive Self-Improvement，通常译为递归自我改进。它追求的是：系统改进自身，改进后的能力又被用于推动后续改进。
要看懂具体项目，可以先拆开它的改进流程。以优化任务执行方法为例：执行者运行任务，留下输入、工具调用、输出和反馈；优化器读取记录，分析问题并提出候选修改；评估时，执行者带着候选版本重新运行任务，由测试程序、评分模型或人评价结果。
最后，筛选程序按预设条件接受或拒绝候选，需要人工审核的流程则由人决定。提出修改与决定采用是不同职责。执行者和优化器可以使用同一个模型，也可以使用不同模型。
RSI 并不要求全过程无人参与。人可以设定目标、反馈和审核；关键是系统是否自行产生改进，而非只执行人设计好的修改。减少人工审批与增强自我改进能力，需要分别判断。
这类自动改进循环，是理解相关实现的起点。项目可能只完成其中一部分，也可能把它用于模型研发任务。仅看到系统反复运行、修改和涨分，还不能确定它已经实现了严格意义的 RSI。
更严格的口径关注：系统是否连“以后如何改进自己”的机制，也会自行修订并继续使用。这里的递归，就是把改进过程再次用于负责改进的机制本身。《可信递归自我改进》综述将任务方法的更新与改进机制的修订分别讨论。
沿用写作场景，可以区分两种规则：
•写作规则指导怎样写文章。负责维护的 AI 发现文章经常遗漏出处，于是增加核验步骤，供以后写稿使用。
•维护规则指导怎样修改 Skill。负责维护的 AI 从修改记录中发现，自己总因一次反馈就加上过度禁令，于是自行调整维护方法：以后先比较多个案例，再决定怎样改写作规则，并在后续维护中使用新方法。
两种变化都可以发生在自进化 Skill 中。规则可以放在同一份文件，也可以分开保存；关键是它们指导任务执行，还是指导技能修改。
第二种变化进一步触及递归：系统根据经验自行修订改进机制，并在后续优化中复用。人审核这项修改，不会自动排除其递归性；人替系统设计维护方法，则不能凭这次修改证明系统能递归改进自己。
持续学习关注的则是：新任务和新经验不断到来时，怎样继续学习、利用已有知识，同时保住旧能力。它可以始终使用固定的学习方法，不要求系统自行修改改进机制。因此，持续学习与 RSI 可以交叉，但“不断学新东西”不自动等于递归自我改进。
放到写作 Skill 中，更新规则后既检查新问题是否解决，也检查旧任务有没有退步，是借鉴持续学习对适应与保留的关注；只看规则不断增加，还不足以证明持续学习有效。
还要区分自回归：它描述模型根据前文逐个生成后续 token，生成时通常不更新参数；RSI 描述系统如何改进自身。同一个系统可以用自回归模型执行递归自我改进。
Harness² 是一个具体例子：它在模型权重固定时，优化提示词、工具使用和 Skill 等外围设施。当前任务中，系统提出候选修改，分别试运行，比较行为差异后形成执行配置；跨任务则保存采用的配置与证据经验，指导以后怎样优化。它说明递归改进的探索也可以发生在模型外围。
另一个相关词是自举，强调利用已有能力参与建设自身或后继系统。例如，用当前 AI 协助研发下一代 AI。Anthropic 在《When AI builds itself》中将 AI 加速 AI 研发视为通向 RSI 的可能路径，同时明确尚未实现完整的自主后继系统研发。参与研发不直接证明下一代更强，更不能单凭人参与减少就认定完整 RSI 已实现。
400 亿参数 Flint 开源：AI 参与造模型，已经做到了哪一步？
这些概念可以同时出现，但分别回答不同问题：
它们并非必然依次升级的阶段。
判断这类实现，需要分别检查改了什么、改进机制是否变化，以及变化是否有效。即使涉及递归，也不能直接推出能力会无限增长；反馈可靠性、验证条件和资源都会影响后续进展。
自进化 Skill，现在有哪些做法？
回到个人使用，Skill 的改动可以查看，任务范围容易限定，旧版本也容易保留。以下三种做法分别侧重反馈触发、经验积累和评测筛选，可以组合使用。
第一种，用户反馈驱动，AI 按需修改。
这就是开头的场景：你指出结果中的问题，AI 分析是否需要更新 Skill。预设维护条件后，你不必每次再说一遍检查要求。前提是工具能读取、修改并在后续任务中加载技能文件，且实际执行了这些条件。
AI 可以运行已配置的检查，由程序按通过条件保留或拒绝候选；写作质量等难以自动判定的部分，由人审核。
第二种，先积累经验，再整理成技能。
系统持续记录失败、用户纠正和有效方法，负责维护的 Agent 再从记录中提炼可复用内容，提出技能更新。这样可以结合多次任务，而不必每出现一条反馈就立即改规则。
SkillOpt 项目的 SkillOpt-Sleep 就面向这种日常积累：它读取本地会话记录，挖掘重复任务，通过配置的执行后端重新运行这些任务，再整理记忆和技能更新；候选经过留出任务验证后，先形成待审核提案，由用户决定是否采用。它不需要训练模型权重。
项目在 2026 年 7 月发布的 v0.2.0 中提供了相应命令行入口，当前文档仍标注为预览。使用时需要配置后端和评估方式；真实模型调用消耗预算，部分会话摘录和派生任务会发送给所选服务。它的输出仍须用户审核采用。
第三种，用任务评测自动筛选修改。
Sleep 将积累和验证接到日常工作中，SkillOpt 论文则更清楚地展示了筛选机制：优化器模型分析成批的成功与失败记录，提出有限的增删改。固定的执行模型和框架带着候选 Skill 运行留出的选择任务，评分器给出成绩；筛选程序只接受得分高于当前版本的候选，最终效果另用测试集报告。
失败的修改也会留下反馈。优化器侧的 meta skill 总结哪些编辑方式有效，指导以后修改，与部署的任务 Skill 分开保存。这涉及任务经验与维护经验的分别积累，不能仅凭一个 meta skill 就认定完整 RSI 已实现。
这些做法不要求个人从头搭一套研究系统。Claude Code 和 Codex 都提供用于创建、维护技能的 skill-creator，具体流程和配套能力要看各自版本。以 Anthropic 的版本为例，它支持评估、结果比较和 description（技能描述）优化，分别帮助检查该用时有没有用、用了之后做得好不好。
普通人怎样开始？从一个重复任务做起
我建议选一个你经常做、又能判断结果的任务。先建立有人参与审核的小循环，再决定是否增加自动化。
下面用写作 Skill 作示意，不是实测结果。假设 AI 反复把产品介绍里的数字直接写成结论，你让它检查原因：如果缺少数字核验要求，可以补充；如果已有明确要求，就先查为何没有执行，避免再添一条重复规则。
确实缺少要求时，一条候选规则可以是：采用外部数字前，核对原始来源、适用条件与统计口径；无法核验时省略数字，或明确保留其不确定性。
然后，让 AI 带着候选 Skill 处理不同材料，再由你检查：无来源的数字是否减少，原本能核实的信息是否保住？这样才能判断修改是否解决问题，而非让系统一律删掉数字。
实际操作时，可以按下面的顺序推进：
1. 保留案例。你提供原始输入、错误输出和纠正意见，让 AI 结合执行记录与当前 Skill 分析。
2. 定位原因。AI 区分输入缺失、规则遗漏、脚本报错和执行偏差，提出是否需要修改及其依据。
3. 小步修改。确需修改时，AI 保留旧版、展示改动，避免无关重写。
4. 比较结果。让 AI 用新旧版本处理相同案例，再检查未参与修改的新案例；既看错误是否改善，也看原本成功的任务是否退步。
5. 决定采用。检查程序按预设条件筛选，需要业务判断的结果由你审核。有效且额外成本可接受才保留，否则撤回并记录原因。
可以把待改 Skill、问题记录和案例交给 AI 做一次复盘。希望以后由反馈自动触发维护，则可写入下面这类条件，再按文件权限和实际可执行的检查调整：
这段指令提供维护方式，仍需检查 AI 是否照做。尤其是写作等开放任务，模型评价只能辅助比较，事实与阅读效果需要人复核。少量个人案例也不能代替充分的研究评测。
对个人来说，值得维护的 Skill，是适合实际任务、又能稳定少返工的 Skill。它不必比别人的规则更多；通用技能已经够用时，也无需为了个性化而修改。
参考资料
•Agent Skills 规范与技能组成： https://agentskills.io/home
•可信递归自我改进的定义、过程与评价边界： https://arxiv.org/html/2610.35193v1
•Claude Code Auto mode 的自动权限检查： https://claude.com/resources/articles/auto-mode-default-in-claude-code
•AI 参与 AI 研发与递归自我改进的边界： https://www.anthropic.com/institute/recursive-self-improvement
•Harness² 的执行与改进机制： https://github.com/google-research/harness2
•Anthropic skill-creator 的测试、比较与描述优化： https://claude.com/resources/articles/improving-skill-creator-test-measure-and-refine-agent-skills
•Codex 的技能创建与 skill-creator 入口： https://developers.openai.com/plugins/build/skills
•SkillOpt-Sleep 的会话整理、验证与审核采用： https://github.com/microsoft/SkillOpt/blob/main/docs/sleep/README.md
•SkillOpt 的有界文本优化与验证机制： https://arxiv.org/html/2605.23904v2
•LoRA 冻结预训练权重并训练低秩参数的方法： https://arxiv.org/abs/2106.09685
•持续学习的新任务适应、知识保留与经验迁移： https://arxiv.org/abs/1811.11682
文章仅做学术分享，如有侵权请联系删除，非常感谢！