跨会话、跨 agent、跨设备、跨同事。经验持续累积,技能不断生长。
English · 简体中文
📄 论文:xskill: Team-Level Skill Distillation, Sharing, and Evolution for Coding Agents · PDF(19 页)
“同事的coding agent已经做过的事情，你为什么不能直接拿来用？”
xskill是企业级的团队skill演进方案，支持轨迹自动蒸馏Skill，基于轨迹画像推送Skill，支持导入团队skillhub进行推荐，支持skill评价。
- 高手经验自动传递： 一个人的解法自动到达全组，让最短路径不再壮志难酬。
- 跨Harness和设备共享进化： Codex、Claude Code、Cursor IDE都会加入光荣的进化,齐心,协力。
- 支持专家修改Skill： 觉得skill不完美？直接修改本地的skill，改动会被云端自动学习。
- 轨迹保持私有： 会话在上传前已脱敏，秘钥密码和相关隐私不会被别人看到。
- 不让skill烂掉： 自动评价skill，支持分析用户实际使用轨迹给出评价分并绘制不同skill版本的得分趋势折线图，大数据显微镜。
只要团队里有一个人在自己的会话里搞定了某个问题,这个解法就会变成一条技能——其他人的 agent 自动拿到。没人需要专门写文档。
笔记本上用 Claude Code、服务器上用 Codex、IDE 里用 Cursor。xskill 从它们全部收集脱敏后的轨迹,进化出同一个共享技能库,再把结果同步回你用的每一个 agent。
没有一个共享、自我改进的技能库,每个开发者都在孤岛里重复解决同样的问题。xskill 把这些被浪费的、隔离的努力,变成可以复利累积的共享经验。
Note
xskill全流程都是Agentic-Centric的管线。首先将轨迹按照内部意图拆分为子轨迹（轨迹原子），然后对轨迹原子进行聚类并分配到对应的skill，原子积攒足够后就会触发skill编辑产出新的skill版本。
不同的skill版本会在真实的用户流量上进行测试，用户体验分高的胜出作为主版本继续迭代，每一次改动都有版本、可回滚。细节见 docs/agent.md。
xskill是一套无监督的skill蒸馏方案，其不需要构建数据集就可以完成进化。
目前版本的算法管线精度表现如下：
Setup: DeepSeek-V4-Flash · Claude Code · single mode
Pipeline: SkillOpt built-in evaluation pipeline · Official data split
| Spreadsheet | ALFWorld | OfficeQA | Mean¹ | |
|---|---|---|---|---|
| XSkill | 88.57 | 84.33 | 60.47 | 77.79 |
| SkillOpt | 87.86 | 77.61 | 51.16 | 72.21 |
| Delta | +0.71 | +6.72 | +9.30 | +5.58 |
¹ 表内数值为测试集通过率(%)，Mean 为三项基准的算术平均。Spreadsheet 与 ALFWorld 使用官方全量测试集，OfficeQA 使用官方划分的 1/4 子集。
在目前已完成的三项评测中，xskill 均高于 SkillOpt，平均分领先 5.58。
为了尽量还原真实的团队使用场景，评测环境通过 namespace 隔离部署了：
- 3 个独立的
xskill-client - 1 个共享的
xskill-server - 多个由 LLM 模拟的用户，负责与 Agent 进行 QA 交互
Important
XSkill 无需显式监督信号即可持续进化。 SkillOpt 强依赖 ValSet 提供进化所需的监督信号。 在 ALFWorld 的 Epoch 2、3、4 中，ValSet 均出现精度溢出，导致进化失败，是其算法缺陷。
未来会支持嵌入不同的算法内核，敬请期待。
pip install xskill # Python 3.9+
xskill serve # 第一次启动只初始化配置文件 ~/.xskill/config.yaml打开 ~/.xskill/config.yaml,填两个模型端点(一个 LLM,一个 embedding 向量模型):
skill_dir: ~/.xskill/skill
llm:
base_url: https://api.deepseek.com
model: deepseek-v4-flash
api_key: YOUR_KEY
embedding:
base_url: https://dashscope.aliyuncs.com/compatible-mode/v1
model: text-embedding-v4
api_key: YOUR_KEY
dim: 0再跑一次 xskill serve, 它会自动识别你机器上每一个受支持的 agent 并开始运行，收集agent的轨迹并将skill推送到对应的harness下。
Note
单人模式下，你将会丢失很多精心设计的特性，因此只建议在以下情况进行使用。 1.希望能够自动将之前高频工作流串联成skill 2.每天有高强度的Agent运行需求
服务器管理员在服务器配置config.yaml后运行中心化进程：
xskill serve --server # 会打印connect join命令，复制给组内同事便可。普通用户执行：
xskill connect <host:port> --token <token> --name <工号/姓名> # 在每个同事的机器上运行在config.yaml中可以填写管理员身份:
dashboard:
enabled: true
public: true
password: ""
admins:
- admin_name_1 # 管理员<工号/姓名>
- admin_name_2
admin_password: admin_passwd_123然后再在任意一台pc上输入：
xskill dashboard就可以打开并登录管控面面板(身份自动识别），管理员可以进行如下操作：
- 全局pin某个skill
- 暂停某个用户的轨迹上传（异常行为用户）
- 全局下线停推某个skill
- 查看skill的版本血缘，得分趋势
普通用户可以：
- 为自己pin某个喜欢的skill，防止推荐流变化
- 下线某个自己不喜欢的skill
- 查看自己的轨迹贡献给了哪些用户，谁用了自己的skill
- 查看skill的版本血缘，得分趋势
除了 server 按画像推送的Skill,client 还可以主动搜索或下载 server 中的技能:
xskill search <KEYWORDS>
xskill search <KEYWORDS> --download # 检索的同时下载到本地(老的搜索结果会被刷新掉，建议在临时使用场景触发）
xskill download <skill-id> # 交互多选安装 harness, 会持久化到本地, 会随云端更新
xskill download <skill-id> --agent claude-code --agent codex -y # 非交互式安装到指定harness
xskill upload ./my-skill # 打包上传一个 skill 目录(含 SKILL.md),全队立即可搜到Xskill支持导入skillhub并将海量skill纳入推荐和评价， 服务器管理员只需要配置~/.xskill/config.yaml:
skillhub:
enabled: true
dir: /root/.xskill/skillhub_skills然后将公司内网skillhub随意放置到该目录下（支持多个skillhub），xskill就会自动探测skill并纳入推荐，将相关skill自动推送给指定的用户.
| Agent | 状态 | 轨迹采集 | 技能安装 |
|---|---|---|---|
| Claude Code | ✅ 已验证 | ~/.claude/projects/ |
软链 → ~/.claude/skills/<name>/ |
| Codex CLI | ✅ 已验证 | ~/.codex/sessions/ |
软链 → ~/.agents/skills/<name>/ |
| OpenCode | ✅ 已验证 | SQLite ~/.local/share/opencode/opencode.db |
软链 → ~/.agents/skills/<name>/ |
| OpenClaw | 🟡 已实现 | ~/.openclaw/agents/ |
拷贝 → ~/.agents/skills/<name>/ |
| Cursor | 🟡 已实现 | ~/.cursor/projects/*/agent-transcripts/ |
软链 → ~/.cursor/skills/<name>/ |
| Trae | 🟡 已实现 | IDE state.vscdb / CLI trajectory_*.json |
软链 → ~/.trae-cn/skills/、~/.trae/skills/ |
| 任何其他 agent | 手动 | SDK xskill.adapters.submit_trajectory |
拷贝/软链 SKILL.md 目录 |
| 术语 | 含义 |
|---|---|
| Trajectory(轨迹) | 一次 agent 运行会话的完整记录，Xskill维护了一套庞大的解析生态层。 |
| TrajectoryAtom(轨迹原子) | 轨迹里最小的、单一意图的切片，是生成skill的原料。 |
| Skill(技能) | 一个 SKILL.md 加可选脚本,各自在独立的 git 目录里带版本。 |
| Canary(灰度) | 当前技能与新候选版本在真实流量上的 A/B 对比测试。 |
| UX score(体验分) | 某条技能在某个原子上服务用户的好坏,由交互本身打 1–10 分。灰度保留分更高的那个版本。 |
- 动态并发：根据内网vllm负载动态调整并发以获取更高吞吐
- 多租户：支持一台实例，外放给多个组/部门用
- 工业级推荐引擎：更精细的画像和推荐算法
- 更多 agent 适配：Goose、OpenHands、Aider
- 轨迹湖：支持管理海量轨迹，服务器端安全预警，Time-Travel功能
- 2026-08-07
v0.6.29：修复推荐回填问题。 - 2026-08-03
v0.6.29a6：milvus变更为可选VDB；支持 DashBoard选择skill推送个数，支持Dashboard查询Skill的用户灰度情况； - 2026-08-03
v0.6.29a5：引入 Milvus Lite 向量索引。 - 2026-07-30
v0.6.29a4：Dashboard 新增「我的」页，普通用户默认进入，贡献去向与世界消息支持分页浏览；支持回收client端推荐变更导致产生的孤儿skill。 - 2026-07-30
v0.6.29a3：推荐引擎优化。 - 2026-07-20 ——
v0.6.25：SkillHub 支持非 UTF-8SKILL.md；Dashboard 支持暂停/恢复指定用户的轨迹入库； - 2026-07-07 ——
v0.6.2a2：修复 Windowsconnect无需管理员权限即可后台常驻，windows下常驻进程迭代至可用； - 2026-07-07 ——
v0.6.2: 引入用户画像和skill 推荐引擎;支持使用实名制工号连接服务；支持导入第三方 skillhub 纳入检索池;为Windows平台添加后台常驻(xskill start/stop/status), 支持CLI管理进程； - 2026-05-29 —— 新增 Trae IDE / Trae Agent 适配。
- 2026-05-23 ——
v0.5.0:引入团队模式(client-server)、引入轨迹脱敏功能守护隐私、支持Python 3.9、移除git依赖。 - 2026-05-20 —— MIT 开源;上线 PyPI:
pip install xskill。 - 2026-05-12 —— 支持 Claude Code、Codex、OpenCode;接通 OpenClaw 与 Cursor。
港大 OpenSpace、阿里 Trace2Skill、华东师范 AutoSkill、微软SkillOpt
欢迎提 Issue 和 PR
@misc{xskill2026,
title = {xskill: Team-Level Skill Distillation, Sharing, and Evolution for Coding Agents},
author = {SkillNerds},
year = {2026},
howpublished = {\url{https://github.com/SkillNerds/xskill}}
}