深度分析
Resource2Skill：以多模態資源蒸餾可執行代理技能的全新方法
本研究提出 Resource2Skill 框架，透過自動化流程將教學影片、程式碼庫、文章與參考素材等多模態人類資源萃取為可執行的技能，並以階層式 Skill Wiki 組織。技能條目結合結構化文字、可執行程式碼與視覺範例，讓大型語言模型在執行軟體創作任務時能即時檢索、組合與補足缺口。
程序性知識
Innate
「Innate」：基於 Rust 的程序性記憶與技能層，為 AI 代理提供自我演化的 MCP 服務
Innate 為新興的開源 Rust 代理記憶層，採用 recall→record→evolve 飛輪機制，結合記憶、技能、直覺三層協作，支援 Claude Code、Codex 等模型。透過一鍵安裝與多語言 SDK，讓開發者在本機環境快速導入自成長知識管理，提升長期任務穩定性。
深度分析
How² 記憶驅動代理人：以大型語言模型學習程序性知識提升規劃與終身學習
面對動作後果與資源限制的互動環境，代理人若能向教師詢問程序性「如何做」問題，便能減少不確定性並填補知識缺口。How²框架設計一個以記憶為核心的學生—教師流程：代理人先查記憶，若無相關或不再適用，則向教師提問，將回覆解析為與當前狀態脫鉤的抽象子目標並存入鍵值記憶以便重用。