让Agent自己设计Agent：Memento-Skills不改模型参数，靠「失败反思」在HLE上提升116%

据 1M AI News 监测，Memento-Skills 是一个让 AI Agent 从失败中自主学习、改写自身能力的开源框架。核心思路是：不更新大模型参数，而是把所有能力组织成结构化的 Skill 文件（markdown 格式），Agent 在执行任务时自动检索合适的 Skill，失败后通过「读取→执行→反思→写回」闭环定位问题 Skill，修改或重建它，再写回技能库。整个过程零重训成本。

框架从 9 个基础 Skill（文件操作、网页搜索、PDF 处理、Office 文档等）起步，通过迭代学习不断扩展技能库。在 GAIA（通用 AI 助手基准）和 HLE（Humanity's Last Exam，专家级推理基准）上，经过多轮反思学习后整体准确率分别相对提升 26.2% 和 116.2%。

论文将这一范式称为「部署时学习」，与预训练和微调并列为大模型适应的第三种路径：前两者更新模型参数，需要大量数据和算力；部署时学习冻结参数，仅通过外部技能记忆积累经验。

项目提供 CLI、桌面 GUI 和飞书桥接三种部署方式，支持 Anthropic、OpenAI 及 Kimi、MiniMax、GLM 等国产模型接入，MIT 协议开源。