基於程式碼的大規模代理智慧技能合成
為何重要
Code2Skill 透過程式碼例項而非互動軌跡提供代理知識，解決了缺乏執行證據與環境依賴性的痛點，讓 Agent 能在積累足夠經驗前就具備實用程式知識。此技術除了最佳化下游效能，更從結構上支援了 AI 生成軟體 的價值確立，暗示未來 Agent 基礎設施將高度依賴於從 AI 原生程式碼中挖掘結構化技能。
為解決傳統代理（Agent）獲取可轉移技能通常需依賴環境互動軌跡或檔案導向缺乏執行證據的困境，研究團隊提出 Code2Skill pipeline，利用開源程式碼將實作細節轉化為可驗證的原子操作與工作流程記錄。
- 概括自 19,769 個熱門 GitHub 儲存庫，建構包含 1,006,822 條已接受記錄的 CodeSkillBank。
- 在 72 種協議配對評估中，加入程式碼技能的模型比基線平均提升 11.7%，且在 57 個案例中優於基線。
- AI 生成的程式碼技能驗證通過率高達 93.50%（人寫程式碼為 93.00%）。