开放技能：面向开放世界的LLM智能体自进化框架
深度2026年6月9日31 分钟阅读
本研究的核心发现是：智能体可以在完全没有目标任务监督的情况下，仅利用开放世界资源实现自我进化。对于关注大语言模型在复杂开放环境中自主学习和适应能力的研究者、工程师和AI产品开发者，本文提供了一种新的范式。
本文编译自 OpenSkill: Open-World Self-Evolution for LLM Agents，版权归原作者所有。
觉得有用？分享给更多人
相关文章
ElevenLabs 的托管 MCP 连接器让 Claude 能检查、修改生产环境中的 ElevenAgents 语音代理。虽然提供了 OAuth 登录和双重访问控制，但确认界面无法保证更改后的代理仍按预期工作。CLI 和 API 提供的测试与版本控制流程，可能是更安全的选择。
深度The New Stack·8月17日·5 分钟
本文剖析 Agent Plugins 1.0.0 规范的局限：它只标准化组件位置，而将行为语义交给 Agent Skills 和 MCP 规范（均出自 Anthropic，但未参与治理）。文中指出兼容性矩阵的弹性、模式与规范冲突、命名空间逃逸、凭据和可执行文件的可移植性陷阱，并对 v1.1 提出改进建议。
深度The New Stack·8月17日·9 分钟