浙大联合发布SkillRise框架：让AI智能体像老手工匠一样越干越聪明

浙江大学、新加坡国立大学、上海交通大学与美团联合完成的研究于2026年7月以预印本形式发布（arXiv:2607.26784），提出SkillRise强化学习框架。核心目标是让AI智能体在完成一系列相关任务过程中不断积累可复用的"经验技巧"并带到下一个任务——就像经验丰富的手艺人每做完一件活儿都能把心得记在脑子里。现有AI智能体大多患"健忘症"，每次新任务都从零开始。

SkillRise让AI拥有可随时翻阅、不断更新的"工作手册"，并将经验提炼成真正有用的通用技巧。研究在ALFWorld（模拟家居场景）、WebShop（模拟网购）和ScienceWorld（模拟小学科学实验）三个经典文字交互环境中验证，SkillRise表现超过所有对比方法，优势幅度2.3至8.5个百分点。传统方法要么让AI反复试错同一任务（换题就不会），要么建立经验库但提取/存储/检索/使用每步都可能出错且难以定位问题。SkillRise通过端到端方式将经验积累和复用整合进统一框架，解决了多步骤经验系统的脆弱性问题。

这是浙江大学牵头推出的全新智能体学习框架，跳出传统大模型依赖海量预训练的能力提升路径，模拟人类老手工匠在反复实操中沉淀经验、优化技巧的成长模式，让实体AI智能体在真实任务的不断执行中自主迭代技能，实现“做的越多、表现越好”的终身进化效果。

一、背景

当前绝大多数AI智能体的能力，都来自训练阶段的一次性海量数据投喂，部署到真实场景后就陷入“能力固化”的状态，哪怕反复执行同一个任务，也无法自主从实操中总结经验优化表现，想要提升能力只能依赖研发人员重新收集数据、全流程微调模型，整个过程成本高、周期长，完全无法适配工业场景里复杂多变的任务需求。 浙大AI研究院的团队在长期的工业机器人实操研究中发现，传统学习模式完全无法解决实体智能体的技能迭代痛点，于是从老手工匠“熟能生巧”的成长逻辑中获得灵感，针对性研发出SkillRise框架，让AI智能体拥有了自主从实操中沉淀经验的能力。

二、历史脉络

三、核心能力与升级

四、技术原理与架构解析

1. 框架核心架构与设计范式

2. 核心技术创新点

3. 技术边界与工程权衡

SkillRise框架主动放弃了传统大模型追求通用全场景能力的设计思路，把全部算力资源倾斜给实体智能体的实操技能迭代，用牺牲部分通用语义能力的工程权衡，换取了实体场景下极致的技能进化效率，完美适配工业机器人等需要长期打磨手艺的落地场景。

五、应用场景

1. 工业精密装配机器人场景

• 目标用户/行业：3C电子制造企业、精密仪器生产厂商
• 具体应用形式：搭载SkillRise框架的装配机器人，在反复执行精密零件装配任务的过程中，自主打磨操作精度，越装越准
• 核心价值主张：解决传统工业机器人装配精度固定、无法自主优化的痛点，大幅提升精密装配的良品率
• 落地案例/合作进展：已有多家浙江本地的3C制造企业启动试点验证
• 版本与准入条件：开源版本支持直接对接主流工业机器人控制器

2. 家庭服务机器人场景

• 目标用户/行业：家用服务机器人企业、家政机器人研发团队
• 具体应用形式：家庭机器人在长期服务过程中，根据不同家庭的环境习惯，自主优化拖地、整理物品等技能，适配不同家庭的个性化需求
• 核心价值主张：让家用机器人越用越贴合用户的使用习惯，避免千机一面的同质化体验
• 落地案例/合作进展：暂无公开大规模落地案例，处于原型验证阶段
• 版本与准入条件：开源版本支持二次开发适配家用机器人平台

3. 特种作业机器人场景

• 目标用户/行业：消防机器人、勘探机器人研发机构
• 具体应用形式：特种机器人在多次执行危险作业任务后，自主沉淀复杂极端环境下的操作经验，后续同类任务的生存能力与完成率大幅提升
• 核心价值主张：让机器人在一次次实战中积累极端场景经验，不用人类冒险进入危险环境收集训练数据
• 落地案例/合作进展：暂无公开落地案例，处于技术对接阶段
• 版本与准入条件：开源版本支持定制特种作业专属经验沉淀模块

4. 传统工艺传承机器人场景

• 目标用户/行业：非遗工艺保护机构、传统制造业企业
• 具体应用形式：机器人在反复执行传统手工工艺的过程中，自主打磨技艺细节，复刻老工匠的手艺，实现传统工艺的数字化传承
• 核心价值主张：把老工匠的经验转化为机器人可自主迭代的技能，解决传统工艺后继无人的传承痛点
• 落地案例/合作进展：浙大团队已在青瓷烧制、木雕打磨等非遗场景完成初步技术验证
• 版本与准入条件：开源版本支持针对传统工艺场景做快速定制

六、定价与开放策略

七、行业横向对比

八、产业链影响分析

1. 上游影响

工业机器人的AI升级门槛大幅降低，中小机器人企业不需要投入海量算力资源，就能让自家产品拥有自主进化能力，整个工业机器人行业的智能化迭代速度将明显加快。

2. 下游影响

制造企业部署的工业机器人，不用反复找服务商升级算法，就能在日常生产中自主提升良品率，大幅降低产线的长期运维成本，提升生产效率。

3. 行业生态

实体AI智能体的能力成长范式被彻底改写，过去“训练一次用几年”的模式将逐步被淘汰，“越干越聪明”的终身进化模式会成为未来实体智能体的标准配置。

九、已知限制

十、团队与下一步计划

总结

• 浙大推出的SkillRise框架，相当于给AI智能体安上了老工匠的“手艺大脑”，不用海量数据投喂，干得多就手艺好，实体AI智能体的落地进化终于找到了一条更接地气的新路子。
• AI Agent的跨任务迁移学习能力是走向通用智能体的关键瓶颈，SkillRise框架可能被Agent平台采纳以提升任务连续性和效率。
• 为解决AI智能体"健忘症"提供了新的端到端框架，让智能体从"每次从零开始"向"持续学习积累"演进，是通向更通用AI Agent的重要一步。