通用方法 · 熟练
它说学到了一招，你凭什么信
技能库的入口，该设一道验收闸
让 agent 从执行轨迹里「沉淀经验」，是过去一年最受欢迎的一类做法；但它有个被忽略的准入问题：什么才算「一次值得沉淀的成功」？来自 EDA 领域的一篇工作给了很硬的规则 —— 只有最终任务通过领域工具验收，这条执行轨迹才有资格被写成「程序性技能」；而每条工具的调用结果照旧留成功/失败记录（失败经验因此不会被全丢掉）。它把一件很多人混为一谈的事拆开了：「命令正常退出」「综合跑完」「功能等价」「优化有效」是四个不同的结论 —— 原封不动保留原文件当然「等价」，但它没有改善任何东西。不设这道闸的后果是确定的：技能库会堆满「能跑、但没完成目标」的步骤，而后人（或下一个 agent）照着它做，只会稳定地重复一次无用功。
方法 · 一图看懂
1
先定义「验收对象」 — 验收的是任务最终产物，不是命令的返回码
2
四态分开判 — 正常退出 / 跑完全程 / 功能等价 / 目标达成，四者互不蕴含
3
只有过闸的才写进技能库 — 失败轨迹不新增技能，但工具调用记录照留（失败也是材料）
4
写清来源与条件 — 每条技能必须带「任务类型 + 来源元数据 + 验证结论」，缺一不收录
5
换任务必须重新验收 — 一次成功只提供来源，不提供对未来所有场景的担保
原理 · 为什么有效
这道闸要解决的是一个入库判据问题，不是记录问题。把「对话保存下来」和「总结一条修复策略」都算容易的事；难的是换了设计、换了工具环境或换了错误类型之后，旧经验还管不管用。所以判据必须落在产物上而不是过程上：命令正常退出只说明它没崩；综合跑完只说明流程走通；功能等价只说明没有破坏；只有「经审计的正向改善」才说明它做成了事。更关键的一条纪律是：门禁验证的是源任务的最终产物，而模型从轨迹里总结出的技能仍可能省略重要条件 —— 它到新任务上是否有效，还要由新任务的验收来回答。这两句话合起来，正好解释了为什么很多「自学习 agent」看起来学到了东西、用起来却时灵时不灵。
适用场景
适用：你正在让 agent 从执行历史里沉淀规则 / 技能 / 提示词模板；或者你已经在用一份「教训库」，却发现里面的条目照着做也没用。
⛔ 不适用：任务没有可判定的产物（纯探索、纯讨论）—— 这类没有验收对象，硬设门槛只会把有价值的过程记录挡在外面。
⚠️ 前提：你手上得有一个「领域验收程序」 —— 哪怕是人工核对三件事，也比用返回码当验收强。
自测 · 5 问
我的技能库里，有没有哪一条是照做但没用的？我能举出至少一条吗？
我判定「这次成功了」，凭的是返回码 / 流程走完，还是产物达到了目标？
我有没有把「没改善但也没破坏」误当成一次成功沉淀下来？
技能库里每条带不带来源任务与验证结论？还是只有一段结论性的话？
上一次把旧技能用到新任务上，有没有重新验收，还是直接信了它？
怎么上手 · 验证步骤
别先动存量，先动入口。三步：① 挑一条你最近沉淀的技能，回到它的来源任务，问一句「当时的最终产物是否通过了验收」—— 如果找不到这个结论，这条技能就该标成「来源不明」；② 给技能库加三个字段（来源任务 / 验证结论 / 适用条件），新条目缺任一项不收录；③ 之后每次沉淀前跑一遍四态判断：正常退出 · 跑完全程 · 功能等价 · 目标达成 —— 前三态都只算「过程记录」，只有第四态才写进技能库。跑两周后回头看：条目数会明显变少，但复用成功率会上去。
自检动作：对技能库里的每一条，试着回答「这条是在什么任务的什么验收结论下产生的」。答不上来的条目数 ÷ 总条目数 —— 这个比例就是我们这次改动要压下去的东西；改完再数一次，两个数放在一起看。