Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
LLM-агенты смогли перенимать проверенный способ решения задачи после удачного запуска другой модели, не меняя свои веса. В нерецензированном препринте Zep AI, где числа получены самими авторами, навыки повысили долю выполненных задач во всех проверенных конфигурациях и приблизили слабые модели к учителю. Такой слой памяти можно обновлять и откатывать отдельно от модели, если продукт уже умеет надёжно проверять итог каждого запуска.
Как подтверждённая трасса становится навыком
Обычная память агента хранит факты или прошлые диалоги. Zep Agent Skills добавляет процедурную память (procedural memory): когда применять известный способ, какие шаги выполнять, чего ждать после каждого действия и при каком условии остановиться.
Система записывает попытку как трассу: цель, семейство задачи, последовательность наблюдаемых событий и итог. Скрытые рассуждения модели в неё не входят. Повторные попытки связываются в одно семейство, поэтому не создают искусственно много подтверждений.
Сообщения агента об успехе недостаточно. Сильным подтверждением считается результат от зарегистрированного инструмента, тестового набора, внешней системы или уполномоченного человека. Если подтверждения конфликтуют, навык из такой трассы автоматически не допускают к использованию.
После закрытия трассы LLM составляет краткое описание подхода, ошибок и исправлений. Каждое утверждение должно ссылаться на конкретное событие, а обычный код удаляет фрагменты, для которых не нашлось подтверждения. Само описание не становится доказательством: компилятор возвращается к исходным событиям.
Дальше две роли разделяют генерацию и проверку. Reflector предлагает новый навык или локальную правку существующего, а Curator сверяет предложение с доказательствами и текущей библиотекой. Навык хранится как структурированный контракт с условиями применения, шагами, ожидаемыми результатами, признаками завершения и способами восстановиться после ошибки.
Каждая принятая редакция неизменяема. Восстановление старой версии создаёт новую, поэтому изменение можно проследить и откатить без замены весов модели. Перед допуском кандидат проходит проверки и правила конкретного пространства данных; при необходимости команда включает ручное согласование.
Активные навыки выдаются через API или MCP в открытом формате Agent Skills. Сначала агент видит название и краткое описание, а полный текст загружает только после выбора — это постепенное раскрытие (progressive disclosure). Подтверждённые результаты последующих применений влияют на место навыка в поиске.
Где навыки помогли, а где добавили ошибки
Основные опыты повторяли производственный сценарий: сильная модель решала задачу, система собирала навык из успешной трассы, затем более слабые исполнители проходили те же задания с навыком и без него. Проверка охватила τ3-bench banking, AppWorld и EnterpriseOps-Gym при разных уровнях затрат на рассуждение.
Навыки повысили долю выполненных задач на 4,5–18,8 процентного пункта. Выигрыш возникал прежде всего там, где модель-учитель сама решила задачу и её трасса попала в навык. Если учитель не справлялся, системе почти нечего было передавать исполнителю.
Отдельный опыт на ALFWorld проверял перенос между разными играми. Навыки из запусков Qwen3-8B повысили результат слабой исходной конфигурации на 32,6 пункта и устранили 57% ошибок против 37% у сравниваемого метода непрерывного дообучения. Веса модели при этом не менялись.
Основные бенчмарки показывают повторение уже решённых задач, а не общий перенос на новые. Чёткое свидетельство переноса дала только ALFWorld, где комнаты и конкретные игры отличались от обучающих запусков.
Компиляция иногда объединяла похожие процедуры с разными правилами. В одном сценарии AppWorld условие «понравилось и загружено» превратилось в «понравилось или загружено», из-за чего навык направлял агента по неверному пути. Версионность упрощает исправление такой ошибки, но не предотвращает её сама по себе.
Когда эта схема меняет планы продукта
Работа даёт практичную альтернативу дообучению для повторяемых процессов с проверяемым итогом: тест прошёл, запись появилась в нужном состоянии, заявка получила допустимый статус. Сильная модель может один раз найти рабочую последовательность, после чего слабая модель повторяет её как отдельную инструкцию.
Для этого в архитектуре нужен не только журнал вызовов. Продукту придётся определить доверенных проверяющих, отделить организации и приложения друг от друга, связать утверждения навыка с событиями и хранить историю редакций. Без внешней проверки система рискует закреплять уверенные, но ошибочные отчёты самого агента.
Полностью заменять дообучение такая память пока не позволяет. Она лучше подходит для правил и процедур, которые меняются чаще модели и должны оставаться доступными для проверки. Если успех нельзя формально подтвердить или задачи редко повторяются, преимущество схемы из работы не доказано.
Способ выдачи навыков тоже влияет на экономику. В стенде AppWorld полный индекс из 62 навыков добавлял около 2300 токенов к каждому вызову и повышал расход на коротких задачах. В рабочей системе авторы используют поиск и загружают только выбранную процедуру; при проектировании стоит проверять качество отбора вместе с итоговой долей успешных задач.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
