O WikiSkill é um framework do Google Research que dá a um agente de IA uma memória persistente, semelhante a uma wiki, para que ele pare de jogar fora o que aprendeu após cada tarefa. Ele divide o espaço de trabalho do agente em três camadas: um registro bruto do que aconteceu, uma wiki que destila essas execuções em padrões de falha documentados e estratégias vencedoras, e um conjunto de arquivos de habilidades que o agente de fato lê. A wiki só cresce, enquanto as habilidades individuais são revertidas se não melhorarem uma pontuação de validação.
Os resultados são reais. Em cinco benchmarks, o Gemini-3.5-Flash passou de 49,5% para 68,1% de precisão média, e um modelo menor rodando WikiSkill superou um modelo maior sem nenhuma habilidade. As habilidades até se transferem entre modelos.
O porém honesto: isso não torna o modelo mais inteligente. Como um veículo colocou, o agente "escreve instruções melhores para si mesmo" em vez de aprender de verdade. É um contorno, mas bem medido.
Se você lidera uma equipe de suporte, o útil é o padrão, não o artigo. Um agente de IA que compila o seu histórico real de tickets em conhecimento reutilizável é exatamente o que a eesel AI já faz para o helpdesk, e você pode simular isso com os seus tickets passados antes de ela responder a um único cliente.
O que o WikiSkill realmente é
A maioria dos agentes de IA tem amnésia. Você dá uma tarefa, ele a executa, e tudo o que descobriu pelo caminho, o contorno esperto, o beco sem saída em que gastou dez passos, desaparece assim que a execução termina. A próxima tarefa começa do zero. Isso serve para algo pontual, mas é uma péssima forma de melhorar em um trabalho que você faz milhares de vezes.
O WikiSkill é a resposta do Google Research a isso. Publicado no arXiv em 27 de agosto de 2026 por Liyan Tang, Cyrus Rashtchian e quatro colegas, é um framework que co-evolui as habilidades de um agente junto com uma base de conhecimento persistente, uma "wiki", que se acumula ao longo das execuções. A pergunta central dos autores é direta: a experiência de um agente pode ser compilada em conhecimento persistente que sustente a evolução de habilidades a longo prazo?
Uma definição rápida primeiro, porque "habilidade" tem aqui um sentido específico. Uma habilidade de agente é um módulo reutilizável baseado em arquivos, uma pasta organizada com um SKILL.md que traz instruções de procedimento e as condições para aplicá-las. Ela amplia o que um agente consegue fazer sem tocar nos pesos do modelo. Pesquisas anteriores já tentaram descobrir essas habilidades automaticamente a partir de execuções de agentes. A contribuição do WikiSkill é o que fica entre a experiência bruta e essas habilidades: uma wiki estruturada e em crescimento.
A ideia tem uma linhagem conhecida. O artigo credita a perspectiva de "LLM Wiki" de Andrej Karpathy em 2026, o argumento de que devemos compilar a experiência do modelo em conhecimento persistente e cumulativo em vez de deixá-la se dispersar. elvis (@omarsar0), fundador da DAIR.AI, fez a mesma conexão quando o artigo saiu:
"This WikiSkill paper from Google is a must-read. At a high level, it shows the effectiveness of persistent agents, knowledge bases, and skills. @karpathy popularized LLM Wikis. But this paper provides an actual framework for how agents can tap into a wiki of skills that evolve."
As três camadas: raw, wiki e skill
O design inteiro se resume a manter separadas três coisas que a maioria dos sistemas mistura: o que aconteceu, o que você aprendeu e o que você faz em seguida. O WikiSkill dá a cada uma a sua própria camada.
A camada Raw (raw/) é o diário. Ela armazena rastros de execução completos de cada execução: o raciocínio do agente, cada chamada de ferramenta, cada resultado, a resposta final. É imutável, então nada é reescrito depois. É a matéria-prima de que todo o resto é feito.
A camada Wiki (wiki/) é onde a experiência vira conhecimento, e é o coração do framework. Ela contém um diretório de páginas de padrões, cada uma documentando um modo de falha ou uma estratégia bem-sucedida com um contorno concreto, além de um registro de evolução e um rastreador de impacto das habilidades. A regra essencial: a wiki nunca é reiniciada e nunca é revertida. Ela só acumula. Mesmo quando um experimento com uma habilidade falha, a lição fica registrada.
A camada Skill (skills/) é a parte que o agente de fato lê ao trabalhar. Cada pasta de habilidade tem um SKILL.md com as instruções e um PURPOSE.md que liga a habilidade aos padrões da wiki que a motivaram. Ao contrário da wiki, aqui as habilidades são reversíveis. Uma mudança que prejudica o desempenho é revertida.
Essa divisão, memória permanente versus ação reversível, é a parte esperta, e é fácil de passar despercebida. Aqui está a mesma ideia em imagem.
Como funciona o ciclo de evolução
Cada rodada de aprendizado executa um ciclo de quatro passos, e um deles é realmente contraintuitivo.
- Inference Agent. Ele executa as habilidades atuais em tarefas de treino e produz os rastros brutos. Vale notar que o artigo impede deliberadamente esse agente de ler a wiki durante o treino. Uma ablação mostrou que deixá-lo espiar a wiki aqui na verdade prejudica a qualidade final das habilidades, reduzindo a média de 63,7% para 60,9%. A hipótese: se o agente obtém suas respostas da wiki em vez das habilidades, seus rastros deixam de servir como evidência para melhorar as habilidades.
- Wiki Maintainer. Ele lê uma amostra de rastros bem-sucedidos e malsucedidos, faz análise de causa raiz das falhas, extrai estratégias dos acertos e escreve tudo na wiki como páginas de padrões.
- Skill Proposer. Um agente de vários turnos que parte do índice da wiki e do histórico corrente, e depois lê páginas de padrões específicas sob demanda. Ele propõe exatamente uma mudança atômica, seja uma nova habilidade ou a edição de uma existente.
- Controle e reversão. O conjunto de habilidades proposto é pontuado em uma partição de validação separada. Se superar o melhor até então, é aceito; se não, é revertido. Em ambos os casos, a wiki guarda o registro do que foi tentado.
O estudo de caso da própria equipe do Google torna isso concreto. No benchmark ALFWorld, a primeira tentativa do proposer de uma habilidade "goal-directed-action" foi rejeitada por ser abstrata demais. Como a rejeição e seu raciocínio foram preservados na wiki, a iteração seguinte escreveu uma habilidade mais afiada e aceita, com uma regra específica ("Never return an item to its origin location"), e a refinou mais algumas iterações depois, à medida que surgiam novas variantes de falha.
Uma ablação do artigo mostra por que a wiki merece o seu lugar: dar ao Skill Proposer acesso à wiki persistente elevou o desempenho médio nos benchmarks de 48,7% para 63,7%, um salto de 15 pontos. A memória não é decoração; é de onde vem a maior parte do ganho.
Funciona de verdade? Os números
Sim, e de forma consistente, que é o que o separa da ressalva habitual das demos de pesquisa. A equipe testou cinco modelos em cinco benchmarks (matemática, busca na web, planilhas, perguntas e respostas sobre documentos longos e tarefas interativas), cada um com média de três execuções completas.
| Modelo | Média, sem habilidades | Média, com WikiSkill |
|---|---|---|
| Qwen-3.5-4B | 26,2% | 38,5% |
| Qwen-3.5-9B | 29,9% | 47,4% |
| Qwen-3.6-27B | 39,4% | 63,3% |
| Gemma-4-31B | 41,3% | 54,9% |
| Gemini-3.5-Flash | 49,5% | 68,1% |
Fonte: Tang et al., 2026. Alguns saltos em benchmarks individuais foram ainda maiores: o Gemini-3.5-Flash no benchmark de matemática foi de 33,0% para 72,6%, e o Qwen-3.6-27B em planilhas subiu de 40,8% para 81,7%.
O WikiSkill também superou, em média, todos os métodos concorrentes de evolução de habilidades (Trace2Skill, EvoSkill e SkillOpt) nos cinco modelos e, ao contrário deles, raramente piorou algum benchmark isolado. Essa confiabilidade é a manchete discreta. Um método que ajuda na média mas derruba uma tarefa em cada três é difícil de confiar em produção, e é a mesma razão pela qual as equipes de suporte se importam tanto que as taxas de resolução de tickets por IA se mantenham em todos os tipos de consulta, não só nas fáceis.
A descoberta a que volto sempre: habilidades podem substituir escala. O Qwen-3.5-9B com WikiSkill (47,4%) superou o bem maior Qwen-3.6-27B sem habilidades (39,4%). Conhecimento procedimental e tamanho bruto do modelo se mostram complementares, não intercambiáveis.
Habilidades que passam de um modelo a outro
Este é o resultado que mais chamou atenção. Habilidades desenvolvidas por um modelo se transferem para outros modelos e famílias, e habilidades transferidas frequentemente superam tanto nenhuma habilidade quanto as habilidades autoevoluídas do próprio modelo. No ALFWorld, o Qwen-3.5-9B chegou a 70,2% usando uma habilidade que o Qwen-3.6-27B havia desenvolvido, contra 63,4% com a sua própria. De pequeno para grande também funciona: habilidades do minúsculo Qwen-3.5-4B melhoraram o bem maior Gemma-4-31B nos benchmarks de matemática e interativos.
Mark Kretschmann (@mark_k) apontou isso como a parte mais interessante:
"'WikiSkill' lets agents turn their own experience into persistent knowledge that compounds over time... Even more interesting: skills transfer between models. In some cases, a model performed better using skills learned by another model than skills it developed itself."
A leitura dos autores é que descobrir uma boa habilidade e executá-la são duas capacidades diferentes, e a autoevolução normalmente as confunde. É uma reformulação útil se você está escolhendo um LLM para trabalho de suporte: o melhor modelo em executar um manual não é automaticamente o melhor em escrevê-lo.
A transferência não é de graça, porém. Habilidades que embutem contornos específicos de um modelo podem sair pela culatra. As habilidades de planilha do minúsculo Qwen-3.5-4B, cheias de truques de Python de baixo nível, derrubaram o Gemini-3.5-Flash de 50,5% para 18,1%, porque restringiram um modelo mais forte de escrever código de ponta a ponta mais limpo. Então "habilidades se transferem" é uma propriedade real, mas que convém testar caso a caso em vez de presumir.
O porém honesto: é um contorno, não aprendizado de verdade
Esta é a parte que a maior parte da cobertura suaviza, e vale a pena enxergá-la com clareza. O WikiSkill não faz o modelo subjacente aprender. Os pesos nunca mudam. O THE DECODER disse sem rodeios: o agente "doesn't truly learn in a continuous sense, which remains an unsolved problem." Em vez disso, "it writes better instructions for itself after each run and can pull them up the next time around." O veredito deles sobre a abordagem foi que é "not elegant, and it's probably more error-prone than real learning, but the study shows it's an effective workaround."
Esse é o enquadramento certo para levar a qualquer decisão de compra. Um sistema assim é tão bom quanto o conhecimento que registra e o filtro que o controla. O artigo também é transparente sobre os limites:
- Sem poda da wiki. A wiki só cresce, então em execuções muito longas ela precisará de uma forma de esquecer padrões obsoletos, que ainda não existe.
- Controle rígido. Uma habilidade proposta precisa melhorar a pontuação de validação para ser mantida, o que descarta mudanças neutras que poderiam render depois.
- Sem recuperação de habilidades testada. Para isolar a qualidade das habilidades, o estudo injetou todas as habilidades diretamente no prompt em vez de recuperar as relevantes, o que importa quando há muitas.
- Sem código oficial. Em setembro de 2026, o Google não lançou código do WikiSkill. Um desenvolvedor independente o reimplementou a partir do artigo e observou que o controle de validação barrou duas habilidades prejudiciais na sua execução, corroborando que a verificação de segurança faz trabalho real.
Nada disso torna o WikiSkill menos interessante. Torna-o honesto, e uma descrição honesta do que um sistema de IA faz e não faz é exatamente o que procuro antes de confiar a ele um trabalho real, o mesmo critério que eu aplicaria ao comparar IA com agentes humanos.
O que isso significa para agentes de suporte com IA
Tirando os benchmarks, o WikiSkill descreve um formato que equipes de suporte e CX devem reconhecer de imediato: um agente que melhora de forma mensurável em um trabalho repetido ao compilar a própria experiência em conhecimento reutilizável e verificável. É um padrão em que as empresas que já usam IA no suporte se apoiam, não uma curiosidade de laboratório. É o ponto central.
O elvis fez o mesmo salto da pesquisa para a prática:
"The practical takeaway here is that we should all be thinking about how to build persistent knowledge bases across our companies and projects. And how to use that to upgrade and evolve our skills."
Uma fila de suporte é a casa ideal para esse padrão. Seus tickets passados são a camada raw. Suas macros, a central de ajuda e as conversas resolvidas são a wiki. E a ideia de "verificar antes de aceitar uma mudança" é a única coisa que a maioria das implantações de suporte com IA pula e depois lamenta, porque colocam um bot no ar e torcem. É aqui que a pesquisa e a realidade da automação do atendimento ao cliente se encontram: as equipes que vencem são as que medem antes de confiar, assim como o controle do WikiSkill verifica uma habilidade antes de mantê-la. É também por isso que a comparação honesta de custos entre agentes de IA e humanos sempre termina em "meça primeiro a taxa de resolução".
Experimente a eesel para um suporte que aprende com os seus tickets
A razão pela qual o WikiSkill me soa familiar é que o colega de IA para helpdesk da eesel já funciona com esse princípio. Não é um chatbot genérico acoplado ao seu site; ele treina com o seu conhecimento existente, tickets passados, central de ajuda e documentos, e entra na fila dentro do helpdesk que você já usa, seja Zendesk, Freshdesk, Gorgias ou Help Scout, por meio de mais de 1000 integrações.
O diferencial que mais diretamente se mapeia ao controle do WikiSkill é a simulação. Antes de um colega da eesel responder a um único cliente real, você pode executá-lo contra os seus tickets históricos e ver como ele os teria tratado, de modo que a taxa de resolução é um número que você confere, não uma promessa aceita na fé. É a disciplina de "validar antes de aceitar", aplicada ao seu próprio histórico de suporte. Você pode experimentar a eesel de graça, sem ligação de vendas, e um cliente, a Global Pay, relatou até 80% de economia de tempo depois de entrar no ar.