AI 工程从零开始

主题

Voyager：技能库与终身学习 ​

Voyager（Wang 等，TMLR 2024）把可执行代码视为一种技能（skill）。技能有名字、可检索、可组合，并能通过环境反馈不断改进。这是 Claude Agent SDK skills、skillkit 以及 2026 年技能库模式的参考架构。

类型： 构建 语言： Python（标准库） 先修要求： 第 14 阶段 · 07（MemGPT），第 14 阶段 · 08（Letta 记忆块） 时间： 约 75 分钟

学习目标 ​

  • 说出 Voyager 的三个组件——自动课程（automatic curriculum）、技能库（skill library）、迭代式提示（iterative prompting）——以及各自的作用。
  • 解释为什么 Voyager 把动作空间（action space）定义为代码，而不是原始命令。
  • 仅用标准库实现一个支持注册、检索、组合和基于失败改进的技能库。
  • 将 Voyager 的模式映射到 2026 年的 Claude Agent SDK skills 与 skillkit 生态。

问题 ​

那些在每次会话里都从头重建全部能力的智能体，会同时犯三类错误：

  1. 浪费令牌。 每个任务都要重新诱发同样的推理。
  2. 丢失进展。 在会话 A 中学到的修正，无法迁移到会话 B。
  3. 在长时程组合上失败。 复杂任务需要能力层级；一次性提示无法表达这种层级。

Voyager 的答案是：把每个可复用能力都看作一个具名代码块，存入库中，可按相似度检索、与其他技能组合，并通过执行反馈不断改进。

概念 ​

三个组件 ​

Voyager（arXiv:2305.16291）围绕以下三部分组织智能体：

  1. 自动课程（Automatic curriculum）。一个由好奇心驱动的提议器，会根据智能体当前的技能集合和环境状态挑选下一个任务。探索是自底向上的。
  2. 技能库（Skill library）。每个技能都是可执行代码。任务成功时，就会新增技能。技能按“查询到描述”的相似度进行检索。
  3. 迭代式提示机制（Iterative prompting mechanism）。任务失败时，智能体会收到执行错误、环境反馈和自验证输出，然后据此改进技能。

Minecraft 评测（Wang 等，2024）的结果是：相较基线，独特物品数量提高 3.3 倍，石制工具获取速度提高 8.5 倍，铁制工具获取速度提高 6.4 倍，地图穿越距离提高 2.3 倍。这些数字属于 Minecraft 场景，但模式本身具有迁移性。

动作空间 = 代码 ​

大多数智能体输出原始命令。Voyager 输出 JavaScript 函数。一个技能可能是：

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

它由更小的子技能组合而成。以描述和嵌入（embedding）为键存储。检索出来的是程序，而不是提示词。

这正是 2026 年 Claude Agent SDK 中 skill（技能）的样子：一个具名、可检索的代码块，加上一组按需加载的说明。

技能检索 ​

面对新任务 “制作一把钻石镐”，智能体会：

  1. 对任务描述做嵌入。
  2. 在技能库中查询前 k 个（top-k）相似技能。
  3. 取回 craftIronPickaxe、mineDiamond、placeCraftingTable 等技能。
  4. 用这些取回的原语技能加上一些新逻辑，组合出新的技能。

这正是 MCP 资源（resources，第 13 阶段）和 Agent SDK skills 所实现的模式：在知识/代码层面做检索，并将范围限制在当前任务内。

迭代式改进 ​

Voyager 的反馈循环如下：

  1. 智能体编写一个技能。
  2. 技能在环境中运行。
  3. 返回三种信号之一：success、error（附带栈追踪）、self-verification failure（自验证失败）。
  4. 智能体以该信号为上下文重写技能。
  5. 循环直到成功或达到最大轮数。

这就是 Self-Refine（第 05 课）应用到代码生成上的样子，并以环境落地验证作为依据。CRITIC（第 05 课）则是同一种模式，只不过由外部工具来做验证器。

课程与探索 ​

Voyager 的课程模块会根据智能体已经拥有的内容和仍未完成的事情，提出像“在湖边建一个避难所”这样的任务。提议器利用环境状态和技能清单，选择一个略高于当前能力的任务——这就是探索的甜蜜点。

对于生产级智能体，这通常会转化为一种“缺什么”的操作：给定当前技能库和某个领域，我们还缺哪些技能？团队通常会手动把这件事实现为课程评审。

这种模式会在哪里出问题 ​

  • 技能库腐化。 同一个技能被用稍有差异的描述重复添加 10 次。应在写入时做去重；检索时只返回一个。
  • 组合技能漂移。 父技能依赖一个后来被改进过的子技能。应给技能做版本管理；固定在 v1 的父技能不会自动拾取 v3。
  • 检索质量。 当库增长到几百条以上时，仅靠对技能描述做向量检索会退化。应补充标签过滤和硬约束（例如“只要 category=tooling 的技能”）。

动手构建 ​

code/main.py 实现了一个标准库技能库：

  • Skill —— name、description、code（字符串形式）、version、tags、dependencies。
  • SkillLibrary —— 提供注册、搜索（令牌重叠）、组合（对依赖做拓扑排序）和改进（更新时提升版本号）。
  • 一个脚本化智能体：它注册三个原始技能，组合出第四个，遇到一次失败，再做改进。

运行：

python3 code/main.py

输出轨迹会展示库写入、检索、组合、一次执行失败，以及 v2 版本改进——完整跑通 Voyager 的循环。

使用它 ​

  • Claude Agent SDK skills（Anthropic）—— 2026 年的参考实现：每个 skill（技能）都有描述、代码和说明；在智能体会话中按需加载。
  • skillkit（npm: skillkit）—— 面向 32+ AI 编码智能体的跨智能体技能管理。
  • 自定义技能库 —— 面向特定领域（例如数据智能体的 SQL 技能、基础设施智能体的 Terraform 技能）。Voyager 模式可以向下缩放。
  • OpenAI Agents SDK tools —— 位于更底层；每个工具都可以看作一个轻量技能。

交付上线 ​

outputs/skill-skill-library.md 会为任何目标运行时生成一个 Voyager 形态的技能库，并接好注册、检索、版本控制和改进逻辑。

练习 ​

  1. 给 compose() 添加依赖环检测。如果技能 A 依赖 B，而 B 又依赖 A，会发生什么？报错还是警告？
  2. 实现按技能粒度的版本固定。当父技能组合子技能 crafting@1 时，子技能改进到 crafting@2 不应悄悄升级父技能。
  3. 用 sentence-transformers 嵌入（或一个标准库版 BM25 实现）替换基于令牌重叠的检索。在一个 50 技能的玩具库上测 retrieval@5。
  4. 添加一个“课程”智能体：给定当前技能库和领域描述，提出 5 个缺失技能。每周运行一次。
  5. 阅读 Anthropic 的 Claude Agent SDK skill 文档。把这个玩具库迁移到该 SDK 的 skill 模式（schema）。可发现性会发生什么变化？

关键术语 ​

术语人们常说实际含义
技能“可复用能力”带名字和描述的代码块，可按相似度检索
技能库“智能体对做事方法的记忆”持久化的技能存储，可搜索、可组合
课程生成器“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“技能 DAG”技能调用技能；执行时按拓扑顺序排序
迭代改进“自我纠错循环”将环境反馈、错误和自验证折叠进下一个版本
以代码作为动作空间“程序化动作”输出函数，而不是原始命令，以表达跨时间的行为
写入时去重“技能塌缩”近似重复的描述被折叠成一个规范技能

延伸阅读 ​