技能库与终身学习（Voyager）

Voyager（Wang 等，TMLR 2024）把可执行代码当作技能。技能有名字、可检索、可组合，并由环境反馈精炼。这是 Claude Agent SDK 技能、skillkit 以及 2026 年技能库模式的参考架构。

学习目标

说出 Voyager 的三个组件——自动课程、技能库、迭代提示——以及各自的职责。
解释 Voyager 为什么把动作空间设为代码，而不是原语命令。
用标准库实现一个技能库，支持注册、检索、组合和失败驱动的精炼。
把 Voyager 的模式映射到 2026 年的 Claude Agent SDK 技能和 skillkit 生态。

问题

每个会话都从零重建所有能力的 Agent，会在三件事上出错：

浪费 token。 每个任务都要重新引出同样的推理。
丢失进展。 在会话 A 中学到的修正无法迁移到会话 B。
长程组合失败。 复杂任务需要能力层级；一次性 prompt 无法表达它们。

Voyager 的答案：把每项可复用能力视为一段命名代码，存入库中，可按相似度检索，可与其他技能组合，并可由执行反馈精炼。

概念

三个组件

Voyager（arXiv:2305.16291）围绕以下组件组织 Agent：

自动课程。 一个好奇心驱动的提议器，根据 Agent 当前的技能集和环境状态挑选下一个任务。探索是自底向上的。
技能库。 每个技能都是可执行代码。任务成功时加入新技能。技能按查询到描述的相似度检索。
迭代提示机制。 失败时，Agent 收到执行错误、环境反馈和自验证输出，然后精炼技能。

Minecraft 评估（Wang 等，2024）：独特物品多 3.3 倍，石制工具快 8.5 倍，铁制工具快 6.4 倍，地图遍历距离长 2.3 倍，均相对基线。这些数字只属于 Minecraft，但模式可以迁移。

动作空间 = 代码

多数 Agent 发出原语命令。Voyager 发出 JavaScript 函数。一个技能是：

async function craftIronPickaxe(bot) {
  await mineIron(bot, 3);
  await mineStick(bot, 2);
  await placeCraftingTable(bot);
  await craft(bot, 'iron_pickaxe');
}

由子技能组合而成。以描述和 embedding 为键存储。检索出来的是一个程序，而不是一段 prompt。

这就是 2026 年的 Claude Agent SDK 技能：一段命名、可检索的代码，加上 Agent 按需加载的指令。

技能检索

新任务「做一把钻石镐」。Agent：

对任务描述做 embedding。
在技能库中查询 top-k 相似技能。
检索出 craftIronPickaxe、mineDiamond、placeCraftingTable 等。
用检索到的原语加新逻辑组合出新技能。

这正是 MCP resources（第 13 阶段）和 Agent SDK 技能所实现的模式：在知识/代码面上做检索，并限定到当前任务。

迭代精炼

Voyager 的反馈循环：

Agent 写一个技能。
技能在环境中运行。
三种信号之一返回：success、error（带堆栈跟踪）、self-verification failure。
Agent 以该信号为上下文重写技能。
循环直到成功或达到最大轮数。

这就是 Self-Refine（第 05 课）应用于代码生成，并以环境为验证依据。CRITIC（第 05 课）是同一模式，只是把外部工具作为验证器。

课程与探索

Voyager 的课程模块根据 Agent 已有什么、还没做什么，提出「在湖边建一个庇护所」这样的任务。提议器利用环境状态 + 技能清单，挑一个刚好高于当前能力的任务——探索的最佳区间。

对生产 Agent 而言，这转化为一个「还缺什么」算子：给定当前技能库和某个领域，我们还没覆盖哪些技能？团队通常以课程评审的方式手动实现。

这个模式会在哪里出错

技能库腐化。 同一个技能被加了 10 次，描述略有不同。写入时去重；检索只返回一个。
组合技能漂移。 父技能依赖一个已被精炼的子技能。给技能做版本管理；固定到 v1 的父技能不会神奇地拿到 v3。
检索质量。 技能描述上的向量检索在库超过几百个之后会退化。辅以标签过滤和硬约束（「只要 category=tooling 的技能」）。

voyager-skills静态版本未包含此交互图

构建它

code/main.py 实现了一个标准库技能库：

Skill —— name、description、code（字符串）、version、tags、dependencies。
SkillLibrary —— 注册、搜索（token 重叠）、组合（依赖拓扑排序）和精炼（更新时提升版本号）。
一个脚本化 Agent：注册三个原语技能，组合出第四个，遇到失败，然后精炼。

运行它：

python3 code/main.py

运行轨迹展示库写入、检索、组合、一次失败的执行，以及 v2 精炼——完整走完 Voyager 的循环。

使用它

Claude Agent SDK 技能（Anthropic）—— 2026 年的参考：每个技能都有描述、代码和指令；在 Agent 会话中按需加载。
skillkit（npm: skillkit）—— 面向 32+ 个 AI 编程 Agent 的跨 Agent 技能管理。
自建技能库 —— 领域专用（数据 Agent 用 SQL 技能，基础设施 Agent 用 Terraform 技能）。Voyager 模式可以向下缩放。
OpenAI Agents SDK tools —— 低端选择；每个工具就是一个轻量技能。

交付它

outputs/skill-skill-library.md 为任意目标运行时生成 Voyager 形态的技能库，内置注册、检索、版本管理和精炼。

练习

给 compose() 增加依赖环检测。当技能 A 依赖 B、B 又依赖 A 时会发生什么？报错还是警告？
实现按技能固定版本。当父技能组合子技能 crafting@1 时，对 crafting@2 的精炼绝不能静默升级父技能。
把 token 重叠检索替换为 sentence-transformers embedding（或标准库 BM25 实现）。在 50 条技能的玩具库上测量 retrieval@5。
增加一个「课程」Agent：给定当前库和一段领域描述，提出 5 个缺失的技能。每周运行一次。
阅读 Anthropic 的 Claude Agent SDK 技能文档。把玩具库移植到 SDK 的技能 schema。可发现性有什么变化？

关键术语

术语	人们怎么说	实际含义
技能（Skill）	「可复用能力」	命名的代码块 + 描述，可按相似度检索
技能库	「Agent 的 how-to 记忆」	技能的持久存储，可搜索、可组合
课程（Curriculum）	「任务提议器」	由当前能力缺口驱动的自底向上目标生成器
组合（Composition）	「技能 DAG」	技能调用技能；执行时做拓扑排序
迭代精炼	「自纠正循环」	环境反馈 + 错误 + 自验证折回下一个版本
动作空间即代码	「程序化动作」	发出函数而非原语命令，支持时间上延展的行为
写入去重	「技能合并」	近重复描述合并为一条规范技能

示意图共 1 张

问题

概念