20260625:很多新内容

concepts/skill-acquisition.md

@@ -0,0 +1,60 @@
+---
+title: "Skill 获取 — 四种路径"
+created: 2026-06-19
+updated: 2026-06-19
+type: concept
+tags: [agent-skills, acquisition, taxonomy]
+sources:
+  - https://arxiv.org/abs/2605.07358
+---
+
+# Skill 获取（Acquisition）
+
+## 定义
+
+Skill acquisition 是构建或生成新 skill 的过程。Zhou et al. (2026) 按主导直接来源将方法分为四类。
+
+## 四种获取路径
+
+### 1. Human-Derived（人工来源）
+- 领域专家直接编写可复用过程、定义范围和附加条件
+- **优势**：语义精度高，可编码隐性判断和安全关键规则
+- **劣势**：扩展性差，手动维护成本高
+- **实践**：通常作为种子层，为更自动化的获取提供基础
+
+### 2. Experience-Derived（经验来源）⭐ 研究最活跃
+从 agent 的过去执行——轨迹、示例、交互历史、反馈——中抽象可复用模式。
+
+四步处理管线：
+1. **Selection（选择）**：过滤成功/有信息量的轨迹
+2. **Abstraction（抽象）**：压缩为 lesson、启发式、声明式指导
+3. **Memory Organization（记忆组织）**：重组为持久结构化记忆（层级图、语义记忆）
+4. **Procedural Packaging（过程打包）**：转化为 workflow、API 或可执行模块
+
+代表：Voyager, Reflexion, ExpeL, BoT, Trace2Skill, AWM, PolySkill
+
+### 3. Task-Derived（任务来源）
+- 从当前任务需求直接构建 skill——LLM 提出候选，执行结果决定是否保留
+- **优势**：即时响应，不需等待专家或经验积累
+- **代表**：CREATOR, ToolMakers, Cradle, CodeAct, SkillWeaver
+
+### 4. Corpus-Derived（语料来源）
+- 从外部文本/结构化资源（文档、仓库、数据集、接口轨迹）中提取
+- **优势**：可扩展的冷启动覆盖
+- **代表**：AppAgent, AutoGuide, HuggingGPT, ToolLLM, Corpus2Skill
+
+## 互补而非竞争
+
+四种路径不应视为互斥——最强大的 skill 库来自组合：
+- 人工方法贡献精度和信任
+- 经验方法贡献行为接地和多样性
+- 任务方法贡献响应速度
+- 语料方法贡献冷启动覆盖
+
+LLM 作为**共同催化剂**，降低了所有四条路径的 skill 创建、转换和维护成本。
+
+## 参考
+
+- [[zhou-agent-skills-survey-2026|Zhou et al. 2026]]
+- [[skill-lifecycle|Skill 生命周期]]
+- [[skill-evolution|Skill 演化]]（获取 vs 演化的区别）