一个可能和 DeepChat 互补的方向：后台 skill 生命周期治理

[Upper9527]

你好，想讨论一个我觉得和 DeepChat 可能互补的方向。

项目：
https://github.com/AMAP-ML/SkillClaw

DeepChat 解决的是把强 AI 能力更自然地连接到个人世界和交互前台。

SkillClaw 解决的是另一个在长期 agent 使用中很容易出现的问题：

• skill 库重复、过时、质量漂移
• 多 agent / 多设备 skill 碎片化
• 长期沉淀的技能越来越难治理

它做的是“任务之后的 skill 进化循环”：

• 自动去重
• 自动合并
• 持续提质
• 多 agent / 多设备 / 多人共享

如果前台是更好的交互体验，我觉得 SkillClaw 可以作为后台的 skill 治理层。

如果你觉得这个方向有价值，我可以补一版更具体的说明或 demo。

论文：
https://arxiv.org/abs/2604.08377

[zerob13]

很棒的想法，目前确实有在做这方面的尝试，但skillclaw的做法是否过于庞大和复杂，我暂时还持怀疑态度，我觉得可以先考虑把基本的skill 能力暴露给agent，能够先实现自主管理后再考虑引入治理层。
另外我是不太建议引入一个比较大型的python项目来作为后台的治理层的，这会让项目的复杂度上升的比较大，并且后续可能会很难维护。
但借鉴相关的思路做一层比较薄的内置版本倒是不错的想法，感谢你的建议