浙江大学与蚂蚁集团联合研发：AI经验传承技术深度测评与实战指南

当前AI助手在执行复杂任务时，普遍面临一个核心挑战：它们无法像人类一样积累和复用经验。每次任务都需从头开始，导致效率低下且错误率高。

2026年4月，浙江大学与蚂蚁数字科技的研究团队发布了SkillX框架。这项研究旨在为AI构建一个动态的“经验知识库”，实现技能的自动化提取、优化与跨助手共享。

SkillX的价值在于其借鉴了人类经验传承的模式。无论是工匠技艺的传授、临床诊疗方案的优化，还是烹饪手法的迭代，都依赖于经验的系统化积累与传递。而现有AI助手缺乏这种机制，SkillX正是为此设计的解决方案。

当前AI学习的三大瓶颈

研究团队识别了阻碍AI经验学习的三个关键瓶颈。

首先是“经验孤岛”。每个AI助手独立学习，其获得的技能无法被其他助手复用，造成重复劳动和资源浪费。

其次是“场景迁移困难”。在特定环境或条件下习得的技能，往往难以直接应用于略有差异的新场景，适应性不足。

最后是“学习天花板”。助手仅能从自身有限的交互历史中学习，成长潜力受限于其个体经历，难以突破能力上限。

SkillX：一座智能的“技能图书馆”

SkillX框架的核心是构建一个集中化、可进化的技能库。它不仅能存储技能，更能自动完成技能的归类、质量评估与版本优化。此外，系统具备主动探索能力，能持续发现并集成新的有效技能，实现知识库的自我扩充。

三层技能体系：模块化设计的智慧

SkillX通过三层级技能体系实现模块化管理。

顶层是“策略规划技能”，负责高层次任务分解与步骤逻辑规划。

中间层是“功能操作技能”，对应具体应用或工具的操作流程。

底层则是“原子级技能”，封装了最基础的交互动作，如点击、输入文本等。

这种分层架构提升了技能的复用性与组合灵活性。面对新任务时，AI可以像调用函数库一样，灵活组装不同层级的技能模块，快速构建解决方案。

从提取到探索：自动化的技能生命周期

SkillX实现了技能从创建到优化的全流程自动化管理。

首先是“技能提取”。系统通过分析高水平助手的任务执行轨迹，自动识别并抽取出可泛化的核心操作序列，形成标准化技能。

接着是“技能精炼”。系统持续监控技能的执行效果，对低效技能进行参数调优，合并功能相似的技能以消除冗余，并将过于复杂的技能拆解为更易管理的子技能。

最后是“技能探索”。系统会主动分析技能库的覆盖盲区或高频失败点，并设计实验来探索和验证新的潜在技能，驱动知识边界扩展。

智能调度：当助手遇见“图书管理员”

当AI助手接到任务时，SkillX扮演智能调度员的角色。它首先解析任务目标，随后从技能库中匹配最合适的顶层策略技能。接着，根据策略规划的每一步，递归调用对应的功能操作技能及底层原子技能，形成完整的可执行方案。

实战检验：三大高难度测试场

研究团队在三个高难度基准测试中验证了SkillX的效能。

在AppWorld测试中，评估AI在模拟图形用户界面中完成多步骤应用操作的能力。

BFCL-v3测试专注于考核AI对各类软件工具API的准确调用能力。

而τ-Bench测试则要求AI在自由形式的自然语言对话中理解用户意图并完成任务，对交互与执行的综合能力要求极高。

显著成效：不只是10%的成功率提升

实验结果表明，接入SkillX技能库的AI助手，其任务平均成功率提升了约10个百分点。这一提升在性能优化领域具有显著意义。

同时，任务执行效率也获得改善，助手能更快定位并应用正确技能，减少试错过程。

SkillX还展现了强大的知识迁移能力。由顶尖助手提炼的高质量技能，能直接赋能能力较弱的助手，显著缩短其学习曲线，实现团队整体能力的快速提升。

深度洞察：不同技能的价值

进一步分析揭示了各层级技能的不同作用：

策略规划技能对基础能力较弱的助手提升最大，有效弥补了其在任务拆解与规划上的短板。

功能操作技能具有普适性价值，为所有助手提供了即插即用的解决方案模板。

原子级技能作为基础构件，确保了复杂任务执行细节的可靠性。

研究同时证实，技能的迭代优化能持续提升其质量与鲁棒性，而基于经验的定向探索比随机探索更能高效发现高价值新技能。

超越技术：开启AI发展的新范式

SkillX的成功实践了一种新的AI进化范式。它跳出了单纯依赖大规模预训练和算力堆砌的传统路径，转向注重经验的系统性沉淀与复用。

这一模式具备高度的实用性与可扩展性。企业可以围绕自身业务场景（如电商客服、医疗辅助、教育辅导）构建垂直领域的技能库。在确保安全与合规的前提下，跨组织间的技能交换将成为可能，加速行业智能水平提升。

从宏观演进看，SkillX标志着AI智能正从数据驱动模式，向数据与经验知识双轮驱动模式过渡，更贴近人类通过实践积累与传承智慧的学习方式。

局限与展望

研究团队也指出了当前框架的局限。SkillX在工具与环境相对稳定的任务中表现最优。对于交互逻辑频繁变动或高度依赖开放域对话理解的任务，其技能迁移的有效性仍需进一步研究。

尽管如此，SkillX为AI助手的协同进化提供了切实可行的技术路径。它证明，构建一套经验传承机制，对于实现AI系统持续、高效的自我改进至关重要。

这项研究揭示，在算力之外，知识的组织、提炼与共享机制是推动AI迈向更高阶智能的关键。浙江大学与蚂蚁集团的这项工作，为AI从“孤立智能”走向“群体智能”描绘了清晰的蓝图。

对技术细节感兴趣的读者，可以查阅论文编号arXiv:2604.04804获取完整研究内容。

Q&A

Q1：SkillX是什么？

A：SkillX是一个由浙江大学与蚂蚁集团联合开发的AI技能学习与管理框架。它能自动化地从AI助手执行历史中提取可复用技能，经优化后存入中央技能库，实现跨助手经验共享，从而提升任务成功率和执行效率。

Q2：SkillX的技能分层体系是如何工作的？

A：SkillX采用三层抽象结构：策略规划层处理任务分解与流程设计；功能操作层管理具体工具的使用方法；原子技能层定义基础交互动作。这种设计支持技能的模块化组合，使AI能灵活适配不同复杂度的任务需求。

Q3：普通AI助手使用SkillX后能获得多大改进？

A：实验数据显示，集成SkillX技能库后，AI助手的任务成功率平均提升约10%，执行速度更快。能力较弱的助手受益尤其明显，可通过继承优质经验快速提升性能，缩小与高水平助手的差距。