- 2026-06-18 — 首次发布：Upskill v1.0 — 知识蒸馏框架，自动捕获 agent 任务失败、通过 Ralph Loop 蒸馏为经过验证的技能并注入未来会话，使弱模型以更低成本超越强模型，完整集成 Claude Code。
AI Agent（Claude Code、Codex、Cursor、OpenClaw、Hermes、nanobot）功能强大
—— 但一个残酷的事实始终存在：它们的表现最终受限于你所付费的模型。
-
❌ Pro 模型太贵 —— Claude Opus、GPT-5.5、Gemini-Pro 表现出色，但单任务成本高出 3–5 倍。全天运行根本不现实。
-
❌ Flash 模型不够可靠 —— Claude Haiku、GPT-5.5 mini、Gemini-Flash 价格亲民，但表现达不到 Pro 模型的水准。最后修复错误花的时间比省下的还多。
这就是我们构建 UpSkill 的原因 —— 一个轻量级框架，通过持续进化技能，让你的 Flash 模型获得 Pro 级别的表现。
-
基准测试：Terminal-Bench 2.0 —— 89 个真实终端任务，涵盖 16 个类别，横跨软件工程、数据科学、系统管理、安全等领域。
-
实验设置：分层 25/64 训练/测试集划分 —— 从 25 个训练任务上的基础模型轨迹中蒸馏技能，然后部署到 64 个留出测试任务上。
-
结果：所有指标均在留出测试集上报告。
| 🟡 Flash 模型 (deepseek-v4-flash) |
🔵 Pro 模型 (deepseek-v4-pro[1m]) |
🟢 Flash 模型 + Upskill | |
|---|---|---|---|
| 测试通过率 | 45.3% | 50.0% | 51.6% |
| 测试成本 | $1.93 | $4.01 | $2.36 |
| 单任务成本 | $0.03 | $0.06 | $0.04 |
💡 一个 $0.04/任务的 Flash 模型，经过 UpSkill 增强，性能超过了 $0.06/任务的 Pro 模型 —— 以 41% 更低的成本实现可比的结果。
- ✅ 5 个任务从 FAIL 翻转为 PASS —— count-dataset-tokens、headless-terminal、query-optimize、mailman、winning-avg-corewars
- ✅ 最大类别增益 —— model-training (+33%)、data-science (+17%)、system-administration (+17%)、software-engineering (+11%)
- ✅ UpSkill 一次性技能生成成本：64 个任务约 $2 —— 微小的开销换来惠及所有未来任务的技能。
curl -sSL https://raw.githubusercontent.com/HKUDS/Upskill/main/cc-integration/install.sh | bash -s -- --remoteTip
安装脚本已自动完成所有设置——hooks、skills、配置和存储。如需更新到最新版，随时运行 /upskill-init。
/upskill-init 会创建 ~/.claude/upskill.conf。编辑它以设置你的 Teacher 和 Student 模型。我们推荐使用 DeepSeek 模型以获得最佳性价比：
# ~/.claude/upskill.conf
UPSKILL_TEACHER="deepseek-v4-pro[1m]" # 强模型，用于分析 + 技能生成
UPSKILL_STUDENT="deepseek-v4-flash" # 弱模型——技能将针对此模型验证或使用 Anthropic 模型：
UPSKILL_TEACHER="claude-opus-4-7" # 强模型
UPSKILL_STUDENT="claude-haiku-4-5" # 弱模型Note
你的日常模型保持独立——日常使用任何你想要的模型。随时切换而不影响 Upskill。使用 /upskill-model 查看当前预设。
在每个你想启用技能构建的项目中运行：
/upskill-configure这将配置项目的 hooks，使 Upskill 能够自动捕获失败并注入技能。
正常使用你的 Agent。当任务失败时，Upskill 自动捕获完整的会话上下文。下次打开 Agent 时，你会看到：
[upskill] ⚠ 1 个待处理的失败，可运行 /upskill-build 生成技能。
运行 /upskill-build，Teacher 模型会接管——它分析失败原因，生成技能，Ralph Loop 会用 Student 模型验证该技能。验证通过的技能被存储并自动注入所有未来的会话。无需更改配置，无需手动提示。
你也可以在任何历史 session 上主动运行 /upskill-build——包括成功的任务——将好的模式提炼为可复用的技能。
| 命令 | 功能 |
|---|---|
/upskill-build |
分析历史 session（失败或成功）并生成技能 |
/upskill-run |
交互式工作流：扫描技能 → 匹配 → 应用 |
/upskill-list |
按类别浏览所有已安装技能 |
/upskill-status |
查看技能数量和活动构建 |
/upskill-configure |
在当前项目中启用 Upskill hooks |
/upskill-model |
查看或切换 Teacher / Student 模型 |
/upskill-mode |
切换交互模式与自动服务模式 |
/upskill-remove |
删除一个技能或类别 |
/upskill-uninstall |
完全移除 Upskill |
/upskill-run 是交互式技能应用工作流。它不会静默注入技能，而是让你浏览、比较并选择最适合当前任务的技能。
示例——处理一个 CSV 筛选任务：
> /upskill-run 根据列值筛选 CSV 文件
以下是可用的技能：
★ 1. data-analysis/skill_20260605_001 [推荐]
Python CSV 数据处理工具——筛选/排序/选择
验证模型：deepseek-v4-flash (当前：deepseek-v4-flash ✓)
2. software-engineering/skill_20260606_005
Python CLI 工具 argparse 模式
验证模型：deepseek-v4-flash (当前：deepseek-v4-flash ✓)
★ = 匹配你的任务。输入编号选择（逗号分隔），或输入 "none" 跳过。
你选择 1——Agent 加载 SKILL.md，读取分步清单和常见陷阱，然后用提炼好的知识执行你的 CSV 任务。如果所选技能的验证模型与当前模型不同，/upskill-run 会先提示你切换模型。
技能构建完成后，你的 Agent 会自动在其上下文中看到它们。例如，在 data-analysis 类别中构建几次后：
## Skill: data-analysis（3 个技能）
**基础模型：** deepseek-v4-flash
**触发词：** csv, encoding, json, database, query
**模型：** 已在 `deepseek-v4-flash` 上验证。为获得最佳效果，请使用此模型。
- `skill_20260605_001`——Python CSV 数据处理工具，支持筛选/排序
→ 阅读 `~/.claude/upskill-store/data-analysis/skill_20260605_001/SKILL.md`
- `skill_20260605_002`——数据库查询优化，正确使用索引
→ 阅读 `~/.claude/upskill-store/data-analysis/skill_20260605_002/SKILL.md`每个技能是一个带 YAML frontmatter 和三个 section 的 SKILL.md 文件，经由 Ralph Loop 验证：
~/.claude/upskill-store/<category>/<skill_id>/
├── SKILL.md # 完整技能文件
└── description.txt # 一句话摘要
SKILL.md 结构：
---
name: skill_20260605_001
description: 适用于 Python CSV 数据处理工具...
metadata:
category: data-analysis
base_model: deepseek-v4-flash
created: 2026-06-05T12:34:56
trigger_keywords: [csv, encoding, json, database, query]
---
# Domain Knowledge
常见陷阱、正确方法和验证清单。
（服务时：注入 Agent 的 CLAUDE.md）
# Step-by-Step
有序清单，包含具体命令和代码片段。
（服务时：按需加载为 solve-task 技能）
# Feedback / Lessons
Rule: <简洁规则>
Why: <为什么重要>
How to apply: <如何遵循>
（服务时：随完整 SKILL.md 一起加载）三段内容通过两个渠道交付：CLAUDE.md 索引（始终在上下文）和 SKILL.md 按需加载——一个经过验证的文件，两条交付路径。
| 模式 | 行为 |
|---|---|
| interactive（默认） | 使用 /upskill-run 浏览技能并选择要应用的。 |
| auto | 每次提示时自动匹配关键词。Agent 主动推荐相关技能。 |
/upskill-mode # 查看当前模式
/upskill-mode auto # 切换到自动模式
/upskill-mode interactive # 切换到交互模式UpSkill 以轻量级会话 hooks 的形式集成到你的 Agent 中——无需改动基础设施。系统在三个角色间协作：
🟡 日常模型 —— 你选择的模型，处理日常任务
🔵 Pro 模型 —— 强模型，负责分析失败和生成技能
🟢 Flash 模型 —— 弱模型，所有技能必须在部署前对此模型验证通过
当会话结束时，hooks 捕获结果。失败时，完整上下文被保留并传递给 Pro 模型进行分析。
技能存储后，通过两个渠道自动交付到未来的会话中：
- CLAUDE.md 索引 —— 始终在上下文，每个技能约 5 行，含摘要和触发关键词
- SKILL.md 按需加载 —— 通过
/upskill-run（交互模式）或关键词自动匹配（auto 模式）加载；包含全部三段（Domain Knowledge、Step-by-Step 和 Feedback/Lessons）
大多数方法过早停止：Pro 模型写建议、保存、然后期望有用。问题在哪？强模型的建议并未针对弱模型行为校准——Flash 模型可能不知道如何或何时应用它。
Ralph Loop 填补了这个缺口：
- 第 1 轮 —— Flash 模型失败。Pro 模型分析失败并生成初始技能。
- 第 2 轮 —— Flash 模型带技能重试。如果仍然失败，Pro 模型基于更丰富的信号修正："有了我的指导，哪里还不对？"循环持续直到技能被证明有效。
为什么这很重要：
- ✅ 针对 Flash 模型校准 —— Flash 模型已验证能遵循的指令，而非泛泛的最佳实践
- ✅ 每轮产生更强的信号 —— 带着指导失败，精确定位建议的失效点
- ✅ 质量胜于数量 —— 未通过验证的技能被丢弃；每个条目都经过实战检验
这就是 UpSkill 能将弱模型推向超越训练它的强模型的原因：
- 📚 技能编码了 Pro 模型的知识
- 🔄 经过 Flash 模型实际行为的修正
- 🎯 结果：精准、经过实战检验的指导，这是仅靠强模型永远无法产出的
点击展开
Upskill/
│
├── cc-integration/ ← Upskill 插件（安装内容）
│ ├── install.sh # 一键安装器
│ ├── upskill-build.sh # 构建流程（核心）
│ ├── upskill-store.sh # 技能库管理
│ ├── hooks/ # 会话 hooks（before/after session）
│ ├── skills/ # 斜杠命令（/upskill-*）
│ ├── templates/ # 配置模板
│ └── README.md # 完整使用文档
│
├── figures/ ← 图表与插图
│ ├── logo.png # 项目 Logo
│ ├── motivation.png # Student vs Teacher vs Upskill
│ ├── pipeline.png # 构建流程总览
│ ├── ralph_loop.png # Ralph 验证循环
│ └── demo-typing.svg # 终端动画演示
│
├── tb_harbor_2.0/ ← Terminal-Bench 2.0 实验
│ ├── tasks/ # 89 个基准任务（16 个类别）
│ ├── train.txt / test.txt # 25/64 分层划分
│ ├── RESULTS.md # 实验结果
│ └── REPRODUCE.md # 逐步复现指南
│
├── scripts/ # 实验流程脚本
│ ├── run_baseline.sh # Student 和 Teacher 基线
│ ├── run_brew.py # 按任务生成技能
│ ├── run_curator.py # 按类别整理技能
│ ├── run_ralph.py # Ralph 验证循环
│ ├── run_serve.sh # 部署技能到测试集
│ ├── run_analyze.py # 结果分析
│ ├── build_catalog.py # 技能目录构建
│ ├── split_dataset.py # 训练/测试集划分
│ ├── patch_harbor.sh # Harbor 框架补丁
│ └── ... # 其他辅助脚本
│
└── configs/ # 模型配置模板
├── strong.env.template # Teacher 模型配置
└── weak.env.template # Student 模型配置
TB 2.0 实验遵循 6 步流程：
Baselines → Brew → Curate → Ralph → Serve → Analyze
前置条件：macOS（或带 Docker 的 Linux）、Python 3.12+、Docker Desktop、Git LFS。
快速设置
# 1. 安装 Harbor
python3.13 -m venv .venv_harbor && source .venv_harbor/bin/activate
pip install harbor && bash scripts/patch_harbor.sh
# 2. 配置 API keys
cp configs/strong.env.template configs/strong.env
cp configs/weak.env.template configs/weak.env
# 编辑两个文件，填入你的 DeepSeek API key
# 3. 运行 baselines → brew → curate → ralph → serve → analyze完整指南（含预期输出和故障排除）请参阅 tb_harbor_2.0/REPRODUCE.md。
MIT——详见 LICENSE。
本项目基于 AgentBrew 框架开展。如果您觉得本工作有帮助，请引用：
@article{jiang2026agentbrew,
title={AgentBrew: Lifelong Knowledge Brewing from Strong Teachers to Weak LLM Agents},
author={Jiang, Yangqin and Huang, Chao},
journal={arXiv preprint arXiv:2607.16851},
year={2026}
}
❤️ 感谢访问 ✨ Upskill！