MUSE-Autoskill：通过技能创建、记忆、管理与评估实现智能体的自我进化

大型语言模型智能体依赖可复用技能解决复杂任务，但现有方法将技能视为孤立静态产物，限制了其复用性与长期改进。本文提出 MUSE-Autoskill 智能体框架，以技能为中心，通过统一的生命周期（创建、记忆、管理、评估与优化）使智能体持续提升任务解决能力。该框架支持按需创建技能、跨任务存储复用、高效组织选择，并通过单元测试与运行时反馈进行评估优化。此外，引入技能级记忆积累跨任务经验，促进更有效的复用与适应。实验表明，生命周期管理的技能显著提升了任务成功率、效率及跨智能体迁移能力。