已接收 · EMNLP 2026 · Industry Track

SkillHone↗

让 Skill 持续进化。
让经验持续积累。

从一次真实故障,到经过验证的修复。SkillHone 改进完整的 Skill 仓库,并保留每次决策,让下一次执行从已有经验出发。

Codex · Claude Code · Cursor · Pi · ZCode

SKILLHONE / IN MOTION00:35

真实故障 → 修复验证 → 可审阅 PR

GAIA
+15.8分
相比论文中的商业 Deep Research Agent 基线
WebWalkerQA-EN
+3.2分
相比同一基线;SkillHone 使用原始开放网络
完整 Skill 优化
覆盖完整仓库
说明、工具、引用资料与回归测试
持久化决策历史
保留每次判断
诊断、修订、证据与结果

数值来自论文中的实验,相比其中的商业 Deep Research Agent 基线;SkillHone 无需预先集成搜索栈。查看实验对比与条件。

从你正在使用的 Agent 开始。

把下面这段话交给 Codex、Claude Code、Cursor、Pi 或 ZCode。安装指南包含环境设置与验证步骤。

交给你的 Coding Agent
从 https://github.com/Tencent/SkillHone 安装 SkillHone,遵循 docs/install/skillhone.md,让当前 Agent 能发现 CLI 和内置 Skills。使用文档中的 --install-links=true Git 安装命令,并验证安装结果。

记录和审阅 Issue、PR、Wiki 不需要模型凭据。需要执行修复时,再安装并配置可选的 DeepSeek Harness 运行时。

更习惯终端操作?
npm install -g --install-links=true git+https://github.com/Tencent/SkillHone.git#main
skillhone --help
skillhone setup --agent codex

将 codex 换成你使用的 Agent 运行时;然后按指南配置模型,验证真实的修复工具调用。

Skill 会迭代,
学到的经验也应该积累。

脚本缺失、引用失效、API 变化,真实工作会暴露 Skill 的缺口。SkillHone 把这些故障与完整、可审阅的修复连接起来。

修复完整的 Skill

优化的不只有入口说明,还包括可执行脚本、参考资料、资源与测试,变更统一保留在 Skill 的 Git 仓库中。

留下每次尝试的判断

记录诊断、修订、证据与结果。后续 Agent 可以跨会话查看既有修复,以及曾被否决的方案。

连同证据一起审阅

从 Issue 追踪到回归测试、修复 Run 和本地 PR。结合测试与 Diff 作出决定,之后还可以回到关联的 Wiki 记录。

SKILL.mdscripts/references/assets/tests
展开观看更完整的研究介绍

原有两分钟研究介绍,进一步解释持久化决策历史和跨模型迁移。

原有研究演示

看清哪些 Skills 需要处理,
审阅每一次修复。

本地工作台把 Skills 与各自的修复记录放在一起。

  • Skills 总览: 当前状态、未关闭的 Issue,以及每个 Skill 的待审批数量。
  • 审批收件箱: 查看测试、变更文件、提交和修复轨迹,再决定是否合并。
  • 保留修复历史: 关联的 Wiki 记录留下每次修订背后的判断。
查看工作台安装指南
SkillHone development workbench showing a Skills list and two local PRs awaiting review
开发版工作台与真实本地记录。点击查看完整截图;本地 PR 属于你电脑上的 Skill 仓库。

从真实故障,到可审阅的修复。

  1. 报告问题

    将可复现故障及脱敏证据记录为本地 Issue。

  2. 复现故障

    关联一项聚焦的回归测试,明确需要改变的行为。

  3. 执行修复

    DeepSeek Harness 在独立分支中修复,并运行关联测试。

  4. 审阅变更

    检查本地 PR、Diff、测试与 Run,再批准合并。

  5. 保留经验

    把结果与 Wiki 记录留给后续 Agent 和会话。

跟着公开案例走一遍。 Phoenix tracing Skill 引用了四份未随包发布的文档。可以查看原始 Issue #2567、已合并的修复 #2568,以及 SkillHone 复现指南。

两种持续改进路径。

根据你手头的证据选择工作流。

修复真实任务中的故障

从可复现的 Skill 缺陷开始。

适用于文件缺失、脚本损坏、说明过时或 API 漂移。通过关联的回归测试和本地 PR 审阅修复。

运行时维护工作流

通过评估改进能力

从独立仓库中的冻结评估器开始。

测量基线、迭代候选、验证优化,并保留决策历史。评估数据保留在独立的 Eval 仓库中。

评估驱动优化工作流

Diff 留下了变更,
决策历史留下了原因。

SkillHone 把每次开发步骤表示为结构化的决策记录。当任务和环境变化时,后续 Agent 可以查阅既有历史,判断相似修复是否尝试过,以及某个方案为何被否决。

论文中的优化与评估角色拥有不同权限。优化方使用脱敏反馈修订 Skill,评估方保留原始评估材料,二者通过调度器交换结果。

SkillHone 论文架构:优化团队与评估团队通过调度器交换反馈,形成持久化决策历史

论文架构图。优化与评估分工,以及跨会话保留的决策历史。

EMNLP 2026 Industry Track。

论文在 GAIA 与 WebWalkerQA-EN 上报告了下列平均准确率。SkillHone 采用无预先集成搜索栈的原始开放网络设置;对照的商业 Deep Research Agent 保留其检索栈。

论文表 1:主要实验结果,单位为百分比。
系统与设置GAIAWebWalkerQA-EN
商业 Deep Research Agent(集成搜索)48.863.2
SkillHone(原始开放网络)64.666.4
准确率提高+15.8 分+3.2 分

论文还报告了跨模型迁移、消融实验和七个内部场景的部署评估。上述数字对应论文中的设置与基线;自己的 Skill 可以通过关联测试或独立评估器测量优化效果。

引用论文。

ACL Anthology · arXiv · 下载 BibTeX

@inproceedings{li-hu-2026-skillhone,
  title = "{S}kill{H}one: A Harness for Continual Agent Skill Evolution Through Persistent Decision History",
  author = "Li, Zhiwei and Hu, Yong",
  editor = "Atanasova, Pepa and Haffari, Gholamreza and Wang, Minghan",
  booktitle = "Proceedings of the 2026 Conference on Empirical Methods in Natural Language Processing: Industry Track",
  month = oct,
  year = "2026",
  address = "Budapest, Hungary",
  publisher = "Association for Computational Linguistics",
  url = "https://aclanthology.org/2026.emnlp-industry.105/",
  pages = "1819--1829",
  ISBN = "979-8-89176-460-6"
}

开始之前,你可能想知道。

已经有 Skill 了,还能用吗?

可以。SkillHone 从现有 Skill 仓库与故障或评估证据出发;修订可以覆盖说明、脚本、引用、资源与测试,同时留下每次尝试的判断。

支持哪些 Agent?

本地 CLI 不绑定某一种 Agent。安装文档覆盖 Codex、Claude Code、Cursor、Pi 和 ZCode,其他能够调用 CLI 的 Agent 也可以使用同一工作流。DeepSeek Harness 承担修复执行。

会自动合并或 push 吗?

默认先审阅。自动本地合并需要主动开启,而且关联测试必须通过;push 是用户单独授权的操作。以复制模式导入的 Skill 还需要明确同步回原安装位置。

论文提升是否等于每次修复的提升?

论文数字对应其数据集、设置和基线。实际修复应通过关联的回归测试,或使用独立评估器测量效果。

致谢

SkillHone 使用 DeepSeek Harness 作为修复执行器,在独立分支上完成修改并运行关联测试。SkillHone 将本地 PR、验证证据与决策历史保存在一起。