· AI Engineer World's Fair 2026
Hill-climbing skills: как улучшать agents без изменения модели
Hill-Climbing Skills: Improve Agents Without Changing the Model — Shubhankar Srivastava, Browserbase
Агента для браузера можно улучшать без изменения весов модели: цикл из двух агентов переписывает инструкции и на выходе даёт переиспользуемый SKILL.md.
- Цикл doer и teacher — один агент выполняет задачу в браузере, второй после каждой попытки читает скриншоты, трассы действий и результат и дописывает стратегию в strategy.md для следующего прогона. Когда прогоны перестают улучшаться, итог сохраняется в SKILL.md: прямые URL с параметрами, обход неработающих кнопок, паузы на загрузку.
- Экономия по словам спикера — на поиске рейсов в Google Flights стоимость прогона упала с около $12 до $3 за две итерации, но следующая итерация провалилась. Улучшение идёт неравномерно, поэтому нужен контроль результата на каждом шаге.
- Условия переноса на другие задачи — метод работает, если есть воспроизводимая среда и измеримый результат. Факт покупки билета проверить просто, а вопрос «нашёл ли лучший вариант» проверяется заметно хуже.
- Обновление навыков — по словам спикера, сбой в продакшене запускает цикл починки и pull request, который проверяет человек. Регулярные проверки дрейфа сайта тратят токены впустую, поэтому спикер предпочитает запуск по сбою.
Кому полезно: тем, кто выводит браузерных агентов в продакшен и устал писать отдельные скрипты под каждый сайт.
Статья по теме
Главы
Похожие доклады
Тёмное искусство разработки навыков
Близко по содержанию
Пожалуйста… Хватит небрежно клепать замену SaaS за один заход
AI Engineer NYC 2026 Online Talks
Близко по содержанию
От 36% до 100%: как самоулучшающиеся агенты создают собственные навыки
AI Engineer World's Fair 2026
Близко по содержанию
Не создавайте агентов — создавайте Skills
AI Engineer Code 2025
Близко по содержанию

