谷歌提出WikiSkill框架，目标是解决智能体技能开发中经验分散、难以跨迭代复用的问题。该框架将原始执行经验、累积知识和可执行技能分层解耦，并持续把执行经验整合到持久知识库wiki中，使后续技能更新能够建立在不断丰富的知识之上。在多个基准和模型上的测试表明，WikiSkill稳定优于现有技能演化方法，并在多数模型-基准设置中超越无技能基线。研究还发现，技能演化与模型规模形成互补：更大模型通常从演化技能中获益更多，而配备技能的小模型可超过没有技能的大模型。此外，演化技能能在不同模型和模型族之间有效迁移，其他模型演化出的技能甚至可能优于自演化技能。消融实验证实，wiki中的持久知识积累是技能有效演化的关键。该研究展示了系统积累与精炼智能体经验对开发可复用、可迁移技能的重要价值。