浙江大學與螞蟻集團聯手打造智能助手新突破

在人工智能快速發展的今天，智能助手已經能夠完成越來越復雜的任務，從回答問題到操作各種應用程序。然而，這些AI助手卻面臨著一個令人困擾的問題：它們就像患了健忘癥一樣，每次執行任務都要從零開始，無法從以往的經驗中學習和改進。由浙江大學和螞蟻數字科技共同組成的研究團隊，于2026年4月發表了一項突破性研究成果SkillX，這項研究就像為AI助手配備了一個"經驗寶庫"，讓它們能夠記住、整理并傳承寶貴的實戰經驗。

這項研究的意義遠不止于技術層面的突破。在我們的日常生活中，經驗的積累和傳承無處不在——老師傅會把手藝傳授給學徒，醫生會從以往的病例中總結經驗，廚師會根據過往的烹飪經歷不斷改進菜品。然而，當前的AI助手卻缺乏這種"經驗傳承"的能力，每次面對相似的任務時都要重新摸索，既浪費時間又容易出錯。SkillX的出現，就像是為AI世界建立了一套完整的"師傅帶徒弟"體系。

研究團隊發現，目前AI助手學習經驗的方式存在三個根本問題。首先是"各自為政"的問題，就像每個廚師都在自己的廚房里獨自摸索，卻從不與其他廚師交流心得，導致大家都在重復犯同樣的錯誤。其次是"經驗水土不服"的問題，一個助手在某個環境中積累的經驗，往往無法很好地應用到其他環境中，就像北方的烹飪技巧搬到南方可能就不那么好用了。最后是"能力天花板"的問題，當一個助手只能從自己的經驗中學習時，它的成長空間就被自身的能力所限制，就像一個人如果只從自己的錯誤中學習，而不借鑒他人的成功經驗，進步的速度必然有限。

為了解決這些問題，研究團隊設計了SkillX框架，這個框架就像是一個智能的"技能圖書館"。這個圖書館不是簡單地存放書籍，而是會自動整理、分類和優化其中的知識，確保每一項技能都能被有效地學習和應用。更神奇的是，這個"圖書館"還會主動探索新的知識領域，不斷擴充自己的收藏，就像一個永遠在學習的智者。

SkillX最大的創新在于它建立了一套三層級的技能體系，就像一個精心設計的教學大綱。在最頂層，是"策略規劃技能"，這就像是一個項目經理的總體規劃能力，知道整個任務應該分成哪些步驟，先做什么后做什么。中間層是"功能操作技能"，這就像是具體的工作技能，比如如何使用某個軟件，如何操作某個設備。最底層是"原子級技能"，這些是最基礎的操作單元，就像打字、點擊、輸入這些基本動作，看似簡單但至關重要。

這種分層設計的巧妙之處在于，它既保證了技能的完整性，又確保了靈活性。當面對新任務時，AI助手可以根據需要組合不同層級的技能，就像廚師可以根據不同的菜品需求，靈活搭配各種烹飪技法和基本刀工一樣。這種模塊化的設計讓技能的復用變得極其高效。

為了讓這個"技能圖書館"真正發揮作用，研究團隊還開發了一套完整的自動化流程。首先是"技能提取"過程，系統會觀察高水平助手執行任務的全過程，就像學徒觀察師傅工作一樣，然后從中提煉出可以復用的技能。這個過程不是簡單的復制粘貼，而是要識別出哪些操作是核心的、可復用的，哪些只是針對特定情況的臨時處理。

接下來是"技能精煉"過程，系統會不斷優化已有的技能。就像一本書需要反復修訂才能更加完善一樣，技能也需要在實踐中不斷改進。當系統發現某個技能在實際應用中效果不佳時，會自動分析原因并進行調整。如果發現多個相似的技能，系統會將它們合并成一個更加通用的版本。如果某個技能過于復雜，系統會將其分解為更簡單、更易理解的子技能。

最有趣的是"技能探索"過程。系統不會滿足于現有的技能庫，而是會主動尋找新的學習機會。它會分析哪些工具還沒有得到充分利用，哪些任務經常失敗，然后有針對性地進行探索和學習。這就像一個好奇心旺盛的學生，總是主動尋找新的知識領域來擴展自己的能力邊界。

當普通的AI助手需要執行任務時，SkillX就像一個貼心的圖書管理員，會根據任務需求快速找到最合適的技能組合。這個過程包含了智能的檢索和篩選機制。系統首先會分析任務的核心需求，然后在技能庫中尋找相關的策略規劃技能，就像確定解決問題的總體思路。接著，系統會為每個步驟匹配合適的功能操作技能和原子級技能，確保整個執行過程既高效又準確。

為了驗證SkillX的實際效果，研究團隊選擇了三個極具挑戰性的測試環境。這些測試就像是AI助手的"期末考試"，涵蓋了應用操作、工具調用和用戶交互等多個方面。在AppWorld測試中，AI助手需要在模擬的應用生態系統中完成復雜的多步驟任務，就像在真實的手機或電腦環境中操作各種軟件。在BFCL-v3測試中，助手需要準確調用各種工具和API接口，這就像要求一個人熟練掌握各種專業工具的使用方法。在τ?-Bench測試中，助手需要與用戶進行自然的對話交互，并在對話過程中完成具體任務，這對AI的綜合能力提出了更高要求。

實驗結果令人振奮。使用了SkillX技能庫的AI助手，在任務成功率上普遍提升了約10%，這在AI領域是一個相當顯著的改進。更重要的是，這些助手的執行效率也得到了明顯提升，它們能夠更快地完成任務，減少了無效的嘗試和錯誤。這就像一個經驗豐富的老師傅，總能比新手更快更準確地完成相同的工作。

特別值得關注的是，SkillX展現出了優秀的"傳幫帶"能力。當一個強大的AI助手積累了大量優質技能后，這些技能可以直接傳授給能力較弱的助手，讓后者迅速提升能力水平。這種跨能力級別的知識傳遞，就像資深教師的教學經驗可以幫助新教師快速成長一樣，大大縮短了AI助手的學習曲線。

研究團隊還深入分析了不同類型技能的作用效果。他們發現，策略規劃技能對于能力較弱的助手特別有效，因為這類助手往往在任務分解和執行順序安排上存在困難。功能操作技能則對所有級別的助手都有顯著幫助，因為它們提供了具體可行的解決方案。原子級技能雖然看起來最基礎，但在處理細節問題時發揮著不可替代的作用，就像建筑工程中的每一顆螺絲釘都很重要一樣。

在技能優化方面，研究發現迭代改進過程確實能夠顯著提升技能質量。通過多輪的實踐反饋和調整，技能的適用性和準確性都得到了提升。同時，主動探索新技能的策略也證明了其價值，相比于隨機探索，基于經驗指導的探索能夠更有效地發現有用的新技能。

SkillX的成功不僅僅體現在技術指標的提升上，更重要的是它為AI助手的未來發展開辟了新的道路。傳統的AI訓練方式需要大量的數據和計算資源，而且往往局限于特定的任務領域。SkillX展示了一種更加高效和可持續的學習模式：通過經驗的積累、整理和傳承，AI系統可以實現持續的自我改進和能力提升。

這種"經驗傳承"模式還具有很強的實用價值。在實際應用中，不同的企業和機構可以根據自己的需求建立專門的技能庫，就像每個行業都有自己的專業知識體系一樣。一家電商公司可以積累與在線購物相關的技能，一家醫院可以收集醫療咨詢相關的經驗，一所學?？梢越⒔逃o導方面的技能庫。這些技能庫不僅可以在內部共享，還可以在確保隱私和安全的前提下進行跨機構的交流合作。

從技術發展的角度來看，SkillX代表了AI領域的一個重要趨勢：從單純的數據驅動轉向經驗驅動和知識驅動的發展模式。這種轉變就像人類社會從個體經驗積累轉向集體知識傳承的過程一樣，標志著AI系統正在向更加成熟和智能的方向發展。

研究團隊也誠實地指出了當前技術的局限性。SkillX主要適用于有相對穩定工具環境的場景，對于工具和環境變化頻繁的情況，技能的遷移效果可能會受到影響。此外，目前的研究主要關注基于工具使用的任務，對于更多依賴自然對話交互的場景，技能庫的作用還需要進一步探索和優化。

盡管存在這些局限，SkillX的出現仍然具有重要的里程碑意義。它不僅為當前的AI助手提供了實際的性能提升方案，更為未來AI系統的發展提供了新的思路和方向。這項研究讓我們看到了AI技術發展的新可能性：通過模仿人類社會中知識傳承和經驗積累的模式，AI系統也可以實現更加高效和持續的自我改進。

說到底，SkillX的核心價值在于它揭示了AI發展的一個基本規律：單純的計算能力提升有其天花板，而知識的積累、整理和傳承才是實現持續進步的關鍵。就像人類文明的發展離不開知識的代代傳承一樣，AI系統的真正成熟也需要建立起完善的經驗傳承機制。這項由浙江大學和螞蟻集團聯合完成的研究，為我們展現了AI助手從"獨自摸索"到"經驗共享"的美好前景，讓我們對未來更加智能和高效的人工智能系統充滿期待。有興趣深入了解技術細節的讀者，可以通過論文編號arXiv:2604.04804查詢完整的研究論文。

Q&A

Q1：SkillX是什么？

A：SkillX是浙江大學和螞蟻集團聯合開發的AI智能助手經驗學習框架，它能夠自動從AI助手的執行過程中提取、整理和優化可復用的技能，建立一個"技能圖書館"讓不同的AI助手之間可以共享經驗，從而提升任務執行效率和成功率。

Q2：SkillX的技能分層體系是如何工作的？

A：SkillX將技能分為三個層級：策略規劃技能負責任務的整體規劃和步驟安排，功能操作技能提供具體的工具使用方法，原子級技能包含最基礎的操作單元。這種分層設計讓AI助手可以根據不同任務需求靈活組合各層級技能，就像廚師根據菜品需要搭配不同烹飪技法一樣。

Q3：普通AI助手使用SkillX后能獲得多大改進？

A：實驗結果顯示，使用SkillX技能庫的AI助手在任務成功率上普遍提升約10%，執行效率也得到明顯改善。特別是對于能力較弱的助手，改進效果更加顯著，它們可以直接學習強大助手積累的優質技能，快速提升自己的能力水平。