
【WikiSkill】 エージェントの経験を永続的な知識にまとめることでスキルを進化させる
Google ResearchのWikiSkillという論文を紹介します。2026年に入り、エージェントのスキルを自動生成・改善する研究が盛んになってきました。WikiSkillではLLM Wikiにインスパイアされて、Wikiを取り入れた仕組みになっています。
既存研究では、実行ログから直接スキルを生成・改善するものが多数ありました。WikiSkillでは、保存された実行ログから、一度Wikiに情報を整理します。そしてWikiからスキルの生成と改善を行います。一度Wikiを挟むことで、複数のケースから共通の成功・失敗パターンを抽出し、それらを統合したスキルの生成や、既存スキルの改善を行うことが可能になっています。
WikiSkillは3つの大きなレイヤーに分かれています。
Raw Layer: 実行トレースを保存する
Wiki Layer: 構造化された知識を保存する
Skill Layer: 進化する手続き的知識(スキル)を保存
1回のイテレーションごとに4つのコンポーネントが実行されます。
推論エージェント : 現在のスキルを使用して実行する
Wiki Maintainer : トレースをWikiに統合する
スキルプロポーザ : Wikiとトレースから、スキルの更新を提案する
ゲーティング・ロールバックメカニズム : 改善案を検証し、性能が向上した場合のみスキルの更新を行う
提案されたスキルはゲーティングの部分で検証されて、効果がある場合のみ採用されます。しかし、不採用だった場合でも、その過程で得られた知識はWikiに残り、次のイテレーションで再利用されます。ここはWikiSkillの特徴の一つです。単なるスキル生成システムではなく、失敗も含めて経験を蓄積し続ける仕組みとなっています。過去に不採用になった改善案もWikiに記録されていくため、同じ失敗を繰り返さずにスキルを進化させていくことが可能となっています。
著者らはQwen3.5-4B, Qwen3.5-9B, Qwen3.6-27B, Gemma 4 31B, Gemini 3.5 Flashのモデルで実験を行いました。Qwen系ではモデルサイズが大きいほど、WikiSkillの恩恵を大きく受ける傾向があるようです。また獲得したスキルを小さいモデルで利用することができることも確認しています。
また生成されたスキルを利用するQwen3.5-9Bモデルと、スキルを利用しないQwen3.6-27Bを比較した場合、5種類のベンチマークの平均で、47.4% vs. 39.4%とスキルを利用した9Bモデルのほうが性能が高くなることが示されました。
各レイヤーにはどのような内容が入るのでしょうか? 論文から推測すると、例えばWeb検索エージェントの場合、以下の情報が入るはずです。
Raw Layer : 実際の検索クエリや取得結果
Wiki Layer : 検索成功・失敗の共通パターン
Skill Layer : 検索を効率化し、同じ失敗を繰り返さないための具体的な検索手順
感想
スキルの自動改善の研究は多数ありますが、提案手法は一度Wikiを挟むので、人間が改善の過程を把握するのに便利だなと思いました。「なんだかよくわからないがスキルが生成された」という状態から、「どのような知識や経験をもとにスキルが生成されたのか」を追跡しやすくなるので、現場でのエージェント開発で役立ちそうな手法だと思いました。
WikiSkillは非公式実装が複数存在するようです。内部動作を理解するためのオフラインデモを提供するリポジトリもあるので試してみる予定です。
以下は非公式実装の一つです
今回紹介した論文
#WikiSkill #AIAgent #AgentSkills #LLM #AIエージェント