别再堆技能文档了!清华最新研究:策略基因重构 Agent 能力边界

一份2,500 Token的技能文档，效果不如一段230 Token的"基因指令"——这不仅是提示词工程的失败，更是经验表征方式的根本性错误。当Agent在测试时调用经验，问题是：经验该以什么形式"装盒"？清华 & EvoMap 最新工作给出了答案：不是文档，是策略基因。

论文速览

维度	信息
标题	From Procedural Skills to Strategy Genes: Towards Experience-Driven Test-Time Evolution
作者	Junjie Wang, Yiming Ren
机构	EvoMap ,Tsinghua University
论文地址	https://arxiv.org/abs/2604.15097
代码地址	https://github.com/EvoMap/evolver
关键词	LLM Agent, Test-Time Control、Experience Reuse
发表时间	2026年4月16日

背景与问题

LLM Agent 正在加速进化。从 Voyager 的技能库到 Reflexion 的自反思机制，业界已形成一条共识：经验应该被积累和复用。技能包作为其中最具代表性的方案，将先前的解题过程打包为一份完整的文档，包含任务概述、工作流、避坑指南、API 笔记和示例代码，总长约 2,500 Token。

然而，更多的经验内容，并不必然带来更好的控制效果。

当技能包被塞入模型上下文后，它的角色是"给人阅读的说明书"，而非"给模型执行的控制信号"。文档中的大量背景说明、引用格式、代码注释，消耗了宝贵的 Token 预算，却没有直接驱动行为改变，它们可能稀释真正有用的控制信息，将模型注意力分散到无关内容上。

核心贡献

将经验复用问题从"存储与检索"重新定义为"测试时控制信号的表征问题"，揭示文档导向技能的隐含陷阱。

通过三大探针系统识别经验复用的对象级影响因素：信息过载、表征封装效应、结构鲁棒性、有限作用域复用与选择性经验积累。

提出策略基因+ 基因进化协议，在45个科学代码场景、4,590组对照实验中验证：紧凑的控制导向表征全面优于文档导向技能包，且可作为迭代进化基底。

方法详解

当模型面对一个新任务时，它就像一架停在跑道上的飞机——它需要一条清晰、可执行的控制指令来指引方向，而不是一本厚厚的《飞行员手册》。技能包像一整本飞行手册,策略基因正是那一句来自塔台的关键指令。

基因的结构：六字段控制模板

一个基因由以下六个字段组成：

m（信号匹配）：关键词或触发线索，告诉模型"这个基因管这事"；
u（摘要）：一句话描述目标行为；
π（策略步骤）：短小精悍的操作序列；
α（AVOID 警告）：高风险决策点，告知模型此地雷区；
c（约束条件）：可选的执行边界；
v（验证钩子）：可选的可执行检查。

以 S012_uv_spectroscopy 场景为例，同一经验被分别打包为 Skill 和 Gene。Skill 给出完整的工作流说明；Gene 则直接聚焦于两个最高危的操作陷阱——单位转换和 FWHM 计算，直接将塔台的核心指令送达飞行员。

基因进化协议：让基因持续迭代

单个基因是原子级控制单元，但它需要一套协议才能"进化"。GEP 定义了三层对象结构：

Gene（基因）：原子级控制单元，可直接注入测试时上下文；
Capsule（胶囊）：经过验证的任务执行路径 + 审计轨迹；
Event（事件）：不可变的进化日志，记录每次变异或修复。

关键图表解读

1. Skill 各节段的控制价值分布

图 1. Skill 各节段价值分解

👉 解读：

最有价值的部分只有一个：Skill-Workflow（工作流）单独贡献 +1.5pp；其他节段要么中性，要么有害——Skill-Overview（概述）甚至造成 −4.7pp 的严重下降。然而，即便将 Skill-Workflow 压缩到与 Gene 相同的 230 Token 预算，它也只能追平到 +0.5pp，始终低于 Gene 的 +3.0pp。差距不是 Token 数量的问题，而是组织逻辑的根本差异。

2. 警告优于混合

表 1. 基因内失败历史的编码方式

👉解读：

最强的条件既不是"失败+策略混合"，也不是"策略单独存在"，而是仅包含失败警告（Failure warnings only）——达到 +4.6pp。经验积累的正确方式不是叠加，而是选择性蒸馏：将失败信息压缩成一句精准的"此地有雷"。

实验与结果

SkillProbe ：Skill 的有效控制信号集中在 Workflow 节段，但整个文档包的净效果为负。文档化逻辑与控制逻辑根本上是冲突的。

GeneProbe ：基因的优势不可归结为"更短"，而是"更结构化"。策略层才是决定性因素；内容损坏比结构变形更具破坏性；向基因附加文档只会稀释而非补强。

EvolutionProbe ：失败历史在基因载体中保存得更好；可编辑结构本身就有价值；最有效的失败编码是独立的 AVOID 警告，而非与策略混合。基因驱动的进化系统能在不改变底层模型的情况下，实现近 10 个百分点的跨代提升。
结论

经验复用的核心瓶颈不是经验的数量，而是经验的表征形式。把飞行员手册塞进驾驶舱，不如一句塔台指令。

🤔️开放思考：

基因能否跨领域迁移（例如从量子物理任务学到的策略基因，迁移到化学规划任务）？
在 GEP 的六阶段循环中，“意图”（Intent）阶段是否可以被进一步自动化，从而实现完全自主的持续进化？

更多阅读

SkillProbe ：Skill 的有效控制信号集中在 Workflow 节段，但整个文档包的净效果为负。文档化逻辑与控制逻辑根本上是冲突的。

GeneProbe ：基因的优势不可归结为"更短"，而是"更结构化"。策略层才是决定性因素；内容损坏比结构变形更具破坏性；向基因附加文档只会稀释而非补强。

EvolutionProbe ：失败历史在基因载体中保存得更好；可编辑结构本身就有价值；最有效的失败编码是独立的 AVOID 警告，而非与策略混合。基因驱动的进化系统能在不改变底层模型的情况下，实现近 10 个百分点的跨代提升。结论

EvolutionProbe ：失败历史在基因载体中保存得更好；可编辑结构本身就有价值；最有效的失败编码是独立的 AVOID 警告，而非与策略混合。基因驱动的进化系统能在不改变底层模型的情况下，实现近 10 个百分点的跨代提升。
结论