小模型配上「學過的技能」，可以贏過大很多的模型——Google 團隊的 WikiSkill 給了中小企業一條省錢的路

這篇論文裡有一句話，值得每一個在煩惱 AI 預算的中小企業主看到：帶著「學過的技能」的小模型，可以勝過沒有技能、規模大上許多的模型。

它想解決什麼問題

先說現況。所謂「代理技能」（agent skills），是把專門知識與工作流程打包成可重複使用的資源，用來擴充 AI 代理的能力。近期已經有研究能從代理的執行經驗中自動發掘這些技能，讓代理在互動中逐步進步。

但論文指出一個很實際的漏洞：那些指導技能發展的洞察，通常散落在各次最佳化的歷史紀錄裡，無法跨迭代系統性地重用。

講白話一點：每次跑完都有心得，但心得沒有地方存，下一輪等於重新開始。

WikiSkill 的做法

這個框架讓代理技能與一個持久的知識庫（wiki）共同演化。核心設計是把三件事分開：

• 原始執行經驗　實際跑過的軌跡
• 累積知識　從經驗中萃取、沉澱下來的東西（存在 wiki）
• 可執行技能　真正拿來用的那一份

然後持續把經驗整併進 wiki，後續的技能更新再建立在這個 wiki 之上。

實驗結果的四個重點

• 跨多種基準測試與模型，WikiSkill 一致優於現有最佳的技能演化方法，並且在多數的「模型 × 基準」組合上優於沒有技能的基線。
• 技能演化與模型規模互補。較大的模型通常從演化出的技能中獲益更多。
• 但反過來也成立——帶技能的小模型，可以勝過規模大上許多、沒有技能的模型。
• 技能可以跨模型、跨模型家族有效移轉，而且由其他模型演化出來的技能，表現可能優於自己演化的技能。

最後，消融實驗確認：wiki 裡的持久知識累積，是技能演化有效的關鍵——拿掉它就不行。

我讀完的感想

這篇最反直覺、也最有商業意義的，是第三與第四點的組合。

過去兩年，多數企業的 AI 成本曲線是這樣的：效果不好 → 換更大的模型 → 成本上升 → 效果有限 → 再換更大的。這篇提供了另一條路：把錢花在「讓系統把經驗沉澱下來」，而不是一味往上換模型。

這也和另一份研究形成有意思的對照：拿專業資料微調模型反而讓事實可靠度退步——把知識壓進權重，和把經驗整理成可重用的技能，是兩條方向不同的路。

而「技能可以跨模型移轉」這一點，對中小企業還有一層意義——你的投資不會被綁死在某一家供應商上。技能是你的資產，模型是可替換的零件。

對台灣企業的意義

一、這是一個「先建流程、再談算力」的證據。如果你正在被建議升級到更貴的模型方案，這篇給了你一個該先問的問題：我們現在有沒有把跑過的經驗留下來？如果沒有，換大模型只是用錢買一次性的表現。

二、小模型加技能的組合，對資料須留在本地的產業特別有意義。醫療、法律、製造業的部分場景無法把資料送到外部大模型；這條路讓「本地小模型」這個選項變得比較可行。

三、「別人演化的技能可能比自己的好」是一個需要謹慎看待的機會。它暗示技能可能具有可交易性，但也代表若技能來源不明，你會引入無法稽核的行為。

現在可以怎麼準備

• 先做最沒有技術門檻的一件事：把 AI 用得好的那幾次紀錄留下來。哪一段提示詞有效、哪個步驟要人工介入、哪類問題它一定答錯——現在多數公司這些都沒存。
• 指定一個固定的地方存放。不必是什麼系統，一份共用文件就行。重點是「同一個地方、持續累積」，這正是論文說 wiki 不可或缺的原因。
• 但要小心「餵自己的紀錄」這件事。另一份研究發現，把未經篩選的自身行動回餵給代理，會讓它更固著而不是更聰明。要累積的是整理過的知識，不是原始行動紀錄。
• 評估方案時，把「經驗能不能沉澱」列進條件。而不是只比模型規模與單價。

可行的解決方案

務實的起點是每月一次、一小時的複盤：把這個月 AI 用得好與用壞的案例各挑幾個，寫下「為什麼」，存進固定位置。三個月後你會有一份別人買不到的東西——因為它來自你公司的實際場景。

這件事不需要先導入任何框架，也不需要預算。

需要保留的懷疑

這是 arXiv 預印本，在本文寫作時尚無同儕審查紀錄。

• 摘要未提供任何量化數字。「一致優於」「多數設定」都沒有附上幅度，因此本文無法報導提升的量級。
• 「小模型勝過大模型」的條件未在摘要中界定。差距多大的模型之間成立、在哪些任務上成立，都需要看全文。這是最容易被過度解讀的一句話。
• 摘要未列出受測的模型與基準測試名稱。無法判斷涵蓋範圍是否貼近企業實際任務。
• 維護一個持久 wiki 本身的成本，摘要未討論。包含知識衝突、過期資訊與整併成本，這些在真實組織裡都不小。

常見問題

什麼是「代理技能」？跟提示詞有什麼不同？

提示詞通常是單次互動的指令；代理技能則是把專門知識與工作流程打包成可重複使用的資源，能跨任務、跨次數被調用。差別在於可重用性與可累積性——提示詞用完就過去了，技能會留下來並持續被更新。

中小企業沒有工程團隊，這套做得起來嗎？

完整的框架需要工程能力，但它背後的原則不需要：把執行經驗與沉澱知識分開存、讓後者成為下一輪的起點。這件事用一份共用文件與每月一次的複盤就能開始，而且那份累積的內容，未來導入任何工具時都是現成素材。

技能可以跨模型移轉，是不是代表可以直接買別人的技能來用？

論文確實發現技能可跨模型與模型家族移轉，甚至他人演化的技能可能優於自己的。但要留意來源不明的技能會引入你無法稽核的行為，在有合規要求的場景風險不小。可行但需要驗證流程，不宜直接套用。

想把公司用 AI 的經驗真正留下來？

甫東科技提供 AI 導入的顧問與內訓服務，重點不在教你用哪個工具，而在建立一套「經驗會沉澱、下一輪能接上」的流程。課程結束時你手上會有可重複使用的檢查表與複盤格式，不是一疊講義。

前往甫東科技官網洽談 →