xskill

让你的 coding agent 的技能,从每一次真实会话里自我进化——你只管写代码。

跨会话、跨 agent、跨设备、跨同事。经验持续累积,技能不断生长。

English · 简体中文

📄 论文:xskill: Team-Level Skill Distillation, Sharing, and Evolution for Coding Agents · PDF(19 页)

• * *

为什么需要 xskill

“同事的coding agent已经做过的事情，你为什么不能直接拿来用？”

xskill是企业级的团队skill演进方案，支持轨迹自动蒸馏Skill，基于轨迹画像推送Skill，支持导入团队skillhub进行推荐，支持skill评价。

• 高手经验自动传递： 一个人的解法自动到达全组，让最短路径不再壮志难酬。
• 跨Harness和设备共享进化： Codex、Claude Code、Cursor IDE都会加入光荣的进化,齐心,协力。
• 支持专家修改Skill： 觉得skill不完美？直接修改本地的skill，改动会被云端自动学习。
• 轨迹保持私有： 会话在上传前已脱敏，秘钥密码和相关隐私不会被别人看到。
• 不让skill烂掉： 自动评价skill，支持分析用户实际使用轨迹给出评价分并绘制不同skill版本的得分趋势折线图，大数据显微镜。
• * *

一人解决,全队复用

只要团队里有一个人在自己的会话里搞定了某个问题,这个解法就会变成一条技能——其他人的 agent 自动拿到。没人需要专门写文档。

跨越每一个 agent 与设备——同一个技能库

笔记本上用 Claude Code、服务器上用 Codex、IDE 里用 Cursor。xskill 从它们全部收集脱敏后的轨迹,进化出同一个共享技能库,再把结果同步回你用的每一个 agent。

孤岛 → 集体进化

没有一个共享、自我改进的技能库,每个开发者都在孤岛里重复解决同样的问题。xskill 把这些被浪费的、隔离的努力,变成可以复利累积的共享经验。

• * *

架构

[!NOTE]

xskill全流程都是Agentic-Centric的管线。首先将轨迹按照内部意图拆分为子轨迹（轨迹原子），然后对轨迹原子进行聚类并分配到对应的skill，原子积攒足够后就会触发skill编辑产出新的skill版本。

不同的skill版本会在真实的用户流量上进行测试，用户体验分高的胜出作为主版本继续迭代，每一次改动都有版本、可回滚。细节见 docs/agent.md。

精度表现

xskill是一套无监督的skill蒸馏方案，其不需要构建数据集就可以完成进化。

目前版本的算法管线精度表现如下：

Setup: DeepSeek-V4-Flash · Claude Code · single mode Pipeline: SkillOpt built-in evaluation pipeline · Official data split

Spreadsheet ALFWorld OfficeQA Mean¹ XSkill 88.57 84.33 60.47 77.79 SkillOpt 87.86 77.61 51.16 72.21 Delta +0.71 +6.72 +9.30 +5.58

在目前已完成的三项评测中，xskill 均高于 SkillOpt，平均分领先 5.58。

Evaluation Setup

为了尽量还原真实的团队使用场景，评测环境通过 namespace 隔离部署了：

• 3 个独立的 xskill-client
• 1 个共享的 xskill-server
• 多个由 LLM 模拟的用户，负责与 Agent 进行 QA 交互

[!IMPORTANT]

XSkill 无需显式监督信号即可持续进化。

SkillOpt 强依赖 ValSet 提供进化所需的监督信号。

在 ALFWorld 的 Epoch 2、3、4 中，ValSet 均出现精度溢出，导致进化失败，是其算法缺陷。

xskill 支持切换算法内核来驱动技能进化，详见下方「可选：切换算法内核」。

• * *

🚀 快速开始

单人模式（尝鲜体验）

如果只想具备检索轨迹的能力，不打算蒸馏任何skill：

pip install xskill          # Python 3.9+
xskill init                 # 扫描本机 agent，转换会话；不必填模型
xskill traj search 内存泄漏
xskill traj read <traj_id>  # 按行号读原文

如果你有LLM API，不只想要轨迹检索，可以尝试开始skill蒸馏能力：

pip install xskill          # Python 3.9+
xskill serve                # 第一次启动只初始化配置文件 ~/.xskill/config.yaml

打开 ~/.xskill/config.yaml,填两个模型端点(一个 LLM,一个 embedding 向量模型):

skill_dir: ~/.xskill/skill

llm:
  base_url: https://api.deepseek.com
  model:    deepseek-v4-flash
  api_key:  YOUR_KEY

embedding:
  base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
  model:    text-embedding-v4
  api_key:  YOUR_KEY
  dim:      0

上面这一段 llm 就是大家共用的默认模型。已经在用的配置不用改，继续这样写完全没问题。

如果你想给流水线里的拆分、聚类、编辑各自换一个模型或地址，可以再加一段可选的 llm_agents。不写也没关系。某个阶段或某个字段没写的话，会先看看有没有 llm_skill，再回到 llm。xskill generate 还是用 llm 和 llm_skill，不会去读 llm_agents。改完这几段之后重启一下 xskill serve 就好。

# 可选。不写这段的话，三个阶段都继续用上面的 llm
llm_agents:
  split:
    model: qwen-plus
  cluster:
    model: deepseek-v4-flash
  edit:
    base_url: http://localhost:8000/v1
    model: local-skill-editor
    api_key: local

再跑一次 xskill serve, 它会自动识别你机器上每一个受支持的 agent 并开始运行，收集agent的轨迹并将skill推送到对应的harness下。

[!NOTE]

单人模式下，你将会丢失很多精心设计的特性，因此只建议在以下情况进行使用。

1.希望能够自动将之前高频工作流串联成skill

2.每天有高强度的Agent运行需求

团队模式(推荐)

服务器管理员在服务器配置config.yaml后运行中心化进程：

xskill serve --server  # 会打印connect join命令，复制给组内同事便可。

普通用户执行：

xskill connect <host:port> --token <token>  --name <工号/姓名>

默认全部上传；只想上传部分项目时 xskill privacy mode allowlist，再到项目目录里 xskill privacy allow，xskill privacy status 查看每个项目的判定。server 端 team.server.privacy_mode: allowlist 可要求全员白名单（客户端需本版本及以上）。

connect 成功后，指南会装进本机已探测到的 Claude Code、Codex、Cursor 等 agent。在对应 agent 里输入 /xskill-helper，就可以查 generate、search、升级这些用法。没有地址和 token 时，把上面这条命令当示例，向你们自己的 server 管理员要 host、token 和工号，不要连外网公开实例。

额外功能：管控面板

在config.yaml中可以填写管理员身份:

dashboard:
  enabled: true
  public: true
  password: ""
  admins:
    - admin_name_1  # 管理员<工号/姓名>
    - admin_name_2
  admin_password: admin_passwd_123

然后再在任意一台pc上输入：

xskill dashboard

就可以打开并登录管控面面板(身份自动识别），管理员可以进行如下操作：

• 全局pin某个skill
• 暂停某个用户的轨迹上传（异常行为用户）
• 全局下线停推某个skill
• 查看skill的版本血缘，得分趋势

普通用户可以：

• 为自己pin某个喜欢的skill，防止推荐流变化
• 下线某个自己不喜欢的skill
• 查看自己的轨迹贡献给了哪些用户，谁用了自己的skill
• 查看skill的版本血缘，得分趋势

额外功能：即时生成或改写 Skill

generate 不是凭空创作 Skill：它会从 team server 上已有且有权访问的轨迹中提取经验，自然语言指令只用来描述想生成或改写什么。连接到支持 generate 的 team server 后，可以这样创建 Skill：

xskill generate "创建一个排查 Python 内存泄漏的 Skill，包含常用诊断命令"

同一个命令也能基于轨迹改写已有 Skill；在指令中写明 Skill 名称和修改目标即可：

xskill generate "改写现有的 python-memory-debug Skill，补充 Windows 排查步骤"

需要代理优先参考指定用户的历史轨迹时，使用 --name；多个工号或用户 ID 以逗号分隔。省略该参数时，代理可以在 server 授权的全部轨迹范围内检索：

xskill generate --name alice,bob "根据这些用户的成功案例生成数据库迁移 Skill"

任务可能会先等待 SkillEdit 池的空闲席位。CLI 会持续输出排队和运行日志；完成后，生成或改写的 Skill 会直接提交到主干，并 pin 到发起人的推荐列表。如果 CLI 提示 server 版本过旧，请联系管理员升级 team server。

额外功能：技能检索与共享

除了由服务端根据画像自动推荐 Skill 之外，客户端也可以按需主动搜索、下载与上传技能：

xskill search <关键词>                                        # 搜索技能库，返回匹配技能与 ID
xskill download <skill-id>                                  # 交互式选择要安装的目标 agent
xskill download <skill-id> --agent claude-code --agent codex -y  # 命令行非交互式安装
xskill upload ./my-skill                                    # 将本地技能目录打包上传至团队共享库
xskill search <关键词> --download                            # 临时检索并下载至本地轮转槽位

搜索默认结合关键词与语义向量进行混合排序；download 会将指定技能持久化安装至对应 agent；upload 则可将团队成员编写的有效技能一键发布至团队共享库。

额外功能：历史会话与轨迹检索