XSkill 深度源碼分析：一個 ICML 2026 論文的技術設計、風險與對 MemoryHub 的啟發

分析對象： XSkill-Agent/XSkill（198 ⭐, ICML 2026）— Continual Learning from Experience and Skills in Multimodal Agents
方法論： 源碼層級拆解 + 技術設計評估 + 風險分析 + 對標 MemoryHub 適用性
核心問題： XSkill 的設計哪些值得借鑑？哪些有隱性風險？對我們的記憶系統意味著什麼？

前言：為什麼分析 XSkill？

我們在建設 MemoryHub 的過程中，遇到的核心矛盾是：Agent 如何從過往執行中「真正學到東西」，而不是每次都從零開始？

XSkill 對這個問題給出了一個完整的答案。它提出了一種不需要訓練模型參數的持續學習框架：讓 Agent 自動從執行軌跡中提取結構化「技能」和「經驗」，通過語義檢索在推理時注入相關知識。ICML 2026 的錄用證明了這個方向的學術認可。

但任何技術設計都有取捨。本文不只是讚美 — 我們逐個拆解了每個模組的源碼，標記出其中隱含的設計風險。

一、XSkill 架構全景

兩階段設計

Phase I — Accumulation（累積）         Phase II — Inference（推理）

Agent 執行任務 → 軌跡記錄              新任務進來
       ↓                                    ↓
視覺摘要（圖+文）                        任務分解（LLM）
       ↓                                    ↓
跨軌跡對比批評（LLM）                    子任務檢索相關經驗
       ↓                                    ↓
  ┌──────────────────┐                    經驗改寫適配當前上下文
  │ Skill Library     │                          ↓
  │ Experience Bank   │                    注入 System Prompt
  └──────────────────┘                          ↓
       ↓                                   Agent 推理
分層合併 + 品質控制

二、八大技術點逐個解剖（含源碼級分析）

技術點 1：Skill 三階段生命週期

源碼： eval/exskill/skill_builder.py（232 行）

XSkill 的 Skill 不是靜態文件，而是有完整生命週期的動態實體：

# Phase 1: Generate — 從單條軌跡生成 Skill
def generate_skill_for_sample(sample_info, llm, ground_truth):
    trajectory = extract_trajectory_from_file(sample_dir)
    prompt = GENERATE_SKILL_PROMPT.format(
        trajectory=trajectory,
        ground_truth=ground_truth or "[NOT PROVIDED]"
    )
    skill = llm.chat(prompt)
    # 直接輸出結構化 Markdown，包含 workflow + tool templates

# Phase 2: Merge — 合併多條 Skill 到全域庫
def merge_skills(existing, new_skills, llm):
    prompt = MERGE_SKILL_PROMPT.format(
        existing_skill=existing,
        new_skills="\n\n".join(new_skills)
    )
    return llm.chat(prompt)

# Phase 3: Adapt — 推理時適配當前任務
def adapt_skill_for_task(base_skill, experiences, task, llm, images):
    prompt = ADAPT_SKILL_PROMPT.format(
        base_skill=base_skill,
        experiences=experiences,
        task=task
    )
    # 支援圖像輸入 → 視覺上下文適配
    if images:
        return llm.chat_with_image(prompt, images)
    return llm.chat(prompt)

對 MemoryHub 的啟發： 我們的 AK-SDD SKILL.md 目前是靜態手寫文件。可以升級為：每次調研完成後自動生成 Skill 草稿 → 合併到全域 SKILL.md → 推理時根據標的類型（主板/GEM/停牌）自動適配。

技術點 2：Experience 兩層結構

源碼： eval/exskill/experience_manager.py（651 行 — 最複雜模組）

XSkill 把記憶分為兩個互補的層次：

Skill（任務級）         Experience（行動級）
─────────────────     ─────────────────────
結構化 Markdown         (condition, action, embedding) 三元組
工作流程 + 工具模板      上下文戰術洞察
跨任務共用              任務特定

# Experience 的數據結構（從代碼推導）
Experience = {
    "id": "exp_abc123",
    "condition": "當披露易 ASP.NET session 過期時",
    "action": "使用 CloakBrowser 重新建立 session，而非重試 web_fetch",
    "embedding": [0.123, -0.456, ...],  # 用於語義檢索
    "source_trajectory": "sample_0653_v4.3",
    "quality_score": 0.85,
    "created_at": "2026-05-20",
}

我們的對標： MEMORY.md 的 Lessons 段落目前把所有教訓混在一起。應拆分為 task-level Skills（如「港股調研 DI 查詢流程」）和 action-level Experiences（如「DI 頁面超時→切換 CloakBrowser」）。

技術點 3：跨軌跡對比批評

源碼： eval/exskill/experience_critique.py（127 行）

這是 XSkill 最精妙的機制。它讓 LLM 同時看同一任務的多條執行路徑，從差異中提取經驗：

def intra_sample_experiences(question, groundtruth, summaries, llm):
    """同一任務的多條軌跡 → LLM 對比 → 提取經驗"""
    formatted_summaries = []
    for i, (nid, summ) in enumerate(summaries.items()):
        formatted_summaries.append(f"Trajectory {i+1} (node {nid}):\n{summ}")
    
    prompt = INTRA_SAMPLE_CRITIQUE.format(
        question=question,
        summaries="\n\n".join(formatted_summaries),  # 多條軌跡並排
        groundtruth=groundtruth,
        max_ops=2  # 最多提取 2 條經驗操作
    )
    resp = llm.chat(prompt, max_tokens=12288)
    
    # LLM 返回 JSON 操作列表
    ops = json.loads(resp.split("```json")[-1].split("```")[0])
    # [{create: {...}}, {update: {...}}, {merge: {...}}, {delete: {...}}]
    return ops

核心洞察： 同一任務跑 3 次 — 第 1 次失敗、第 2 次成功但慢、第 3 次成功且快 → LLM 對比分析 → 自動提取「為什麼第 3 次最快」→ 生成 Experience。

我們的適應方案： 不需要跑 3 次。利用版本迭代的歷史軌跡（v4.3 跳步 → v4.4 修正 → v4.5 強化），同一標的（如 653.HK）跨版本對比，成本接近零。

技術點 4：分層合併與品質控制

源碼： eval/exskill/experience_manager.py

# 經驗管理器的核心邏輯（代碼推導）
class ExperienceManager:
    def consolidate(self, new_experiences):
        for exp in new_experiences:
            # 1. 語義去重
            similar = self.find_similar(exp, threshold=0.85)
            
            # 2. 衝突解決
            if similar and similar.content != exp.content:
                merged = llm.merge(similar, exp)
            
            # 3. 品質評分（基於來源軌跡成功率）
            score = self.quality_score(exp)
            
            # 4. 淘汰機制
            if score < threshold:
                exp.status = "deprecated"

我們的對標： Dream 合併目前簡單 append → 應加入語義去重、品質評分、過時淘汰。3 個月未被檢索的教訓 → 自動標記為 deprecated。

技術點 5：任務分解檢索

源碼： eval/exskill/experience_retriever.py

這是 XSkill 檢索系統的核心創新 — 不直接搜整個任務，而是先拆成子任務，為每個子任務獨立檢索：

class ExperienceRetriever:
    def retrieve_with_decomposition(self, task, images):
        # Step 1: LLM 拆解任務
        subtasks = llm.decompose(task)
        # 「調研 0653.HK」→ [「查交易狀態」,「查 DI 股權」,「查財務」,「風控」]
        
        # Step 2: 每個子任務獨立檢索
        all_exps = []
        for subtask in subtasks:
            emb = self.embed(subtask)
            top_k = self.cosine_search(emb, top_k=3)
            all_exps.extend(top_k)
        
        # Step 3: 改寫經驗以適配當前上下文
        rewritten = llm.rewrite(all_exps, task_context)
        return rewritten

對 MemoryHub 的啟發： 這是我們「查詢路由器」方案的最佳實踐驗證。「幫我做港股調研」→ 自動拆解 → 每個子步驟檢索相關教訓 → 注入 Prompt。

技術點 6：嵌入快取與增量更新

# 用 MD5 hash 做快取驗證
def _compute_library_hash(self):
    sorted_exps = sorted(self.experiences.items())
    content = json.dumps(sorted_exps, ensure_ascii=False, sort_keys=True)
    return hashlib.md5(content.encode('utf-8')).hexdigest()

# hash 沒變 → 載入快取；hash 變了 → 重新生成
def _load_or_generate_embeddings(self):
    if cache_exists and cached_hash == current_hash:
        self._experience_embeddings = load_from_cache()
    else:
        self._generate_all_embeddings(batch_size=30)

我們的對標： MemoryHub auto_sync 可加入 hash 快取 — follow_up_tracker.json 沒變就跳過重新嵌入，大幅減少 BGE 模型調用。

技術點 7：視覺接地摘要

源碼： eval/exskill/trajectory_summary.py

# 軌跡摘要的核心流程
def summarize_rollout(trajectory_jsonl, sample_dir):
    # 1. 掃描所有圖片
    all_images = _scan_all_images(sample_dir)
    
    # 2. 用 VLM 生成圖片描述
    image_captions = generate_image_captions(all_images, vlm)
    
    # 3. 用描述替換軌跡中的 <image> 標記
    enriched = _replace_image_refs_in_jsonl(trajectory, image_captions)
    
    # 4. LLM 生成摘要（現在文本中包含了圖片的語義描述）
    summary = llm.summarize(enriched, question, ground_truth)

我們不需要圖像處理，但思維可借鑑： 軌跡摘要不只要記錄「做了什麼」，還要記錄「為什麼這樣做」和「結果如何」。daily log 應從 Session JSONL 自動提取決策點和工具調用結果。

技術點 8：Skill 自動瘦身

def refine_skill_document(skill_content, word_threshold=1000):
    """當 SKILL.md 超過 1000 字時，自動觸發 LLM 精簡"""
    word_count = len(skill_content.split())
    if word_count < word_threshold:
        return skill_content
    
    prompt = SKILL_REFINE_PROMPT.format(
        word_count=word_count,
        skill_content=skill_content
    )
    refined = llm.chat(prompt, max_tokens=8192)
    # 1000 字 → 600 字，保留核心邏輯
    return refined

這正是 MEMORY.md 需要的。 目前 1,193 行且持續增長 → 每次 Dream 合併後自動觸發 refine → 歷史條目壓縮為一行摘要 → Token 可控。

三、風險分析：每個技術點的隱性代價

任何設計都有取捨。以下是我們從源碼和架構中識別的風險：

風險矩陣

級聯失效（系統級風險）

XSkill 的管線中 LLM 被調用超過 10 處：

軌跡摘要 → 經驗提取 → 經驗合併 → Skill 生成 → Skill 合併
    → Skill 精簡 → 任務分解 → 經驗檢索 → 經驗改寫 → 最終推理

每一步 95% 準確率 × 10 步 = 最終準確率僅 60%。這是 XSkill 架構中最深層的風險，論文中未討論。

我們應該加什麼防禦

四、XSkill ↔ MemoryHub 對標

五、結論：借什麼、不借什麼

✅ 值得借（低風險、高價值）

1. Skill 三階段生命週期 — 架構思想（不是全自動實現）
2. Experience 兩層結構 — 結構化教訓為 (condition, action, embedding)
3. 任務分解路由 — 查詢路由器的最佳實踐
4. Hash 增量快取 — 大幅減少嵌入模型調用
5. Skill 瘦身機制 — 但須加白名單和備份

❌ 謹慎借（高風險、需改進）

1. 全自動 Skill 生成 — 必須先加驗證迴路
2. 無閾值嵌入檢索 — 必須先設 MIN_SIMILARITY
3. LLM 自動合併 — 必須先保留 Diff 和回溯
4. 串聯管線 — 必須先加降級和端到端驗證

一句話： XSkill 的最大貢獻不是任何單一技術 — 是證明了 Agent 的持續學習不需要重新訓練參數。結構化知識提取 + 語義檢索 + Prompt Injection 就夠了。但它的實現中有多處「過度依賴 LLM 生成而不驗證」的設計假設，在生產環境需要補上品質防線。

本文基於 XSkill-Agent/XSkill v1.0 源碼分析（Commit: main branch, 2026-05-23）。代碼行數：skill_builder.py (232), experience_critique.py (127), experience_retriever.py (~300), trajectory_summary.py (~300), experience_manager.py (651)。