当前的通用 Agent 并不足以应对专业领域的复杂需求，现有解决方案多为手工编写领域特定 Skills，但这种方式不仅依赖人工，且难以扩展。 针对这一局限，来自 Sentient 与弗吉尼亚理工的研究团队提出了 EvoSkill 框架，一个能通过失败分析自动发现并优化 Agent Skills 的自我进化系统。 实验数据显示，EvoSkill 在 OfficeQA 金融文档问答任务上使准确率从 60.6% 提升至 67.9%，在 SealQA 对抗性搜索问答上实现了 12.1 个百分点的提升。该研究表明，Skills 层面的自动进化，有望成为提升 Coding Agent 专业能力的新方向。 论文链接：https://arxiv.org/abs/2603.02766v1 EvoSkill如何“自我进化”？ 在当前的 AI 开发中，Agent Skills 多依赖人工编写，成本高昂且难以扩展。现有进化方法虽能自动优化，但仅针对 Prompt 或代码等底层产物，与特定任务强耦合，难以复用。 EvoSkill 将优化层次提...