Memento-Skills 是一个让 AI Agent 从失败中自主学习、改写自身能力的开源框架。核心思路是：不更新大模型参数，而是把所有能力组织成结构化的 Skill 文件（markdown 格式），Agent 在执行任务时自动检索合适的 Skill，失败后通过「读取→执行→反思→写回」闭环定位问题 Skill，修改或重建它，再写回技能库。整个过程零重训成本。 
框架从 9 个基础 Skill（文件操作、网页搜索、PDF 处理、Office 文档等）起步，通过迭代学习不断扩展技能库。在 GAIA（通用 AI 助手基准）和 HLE（Humanity’s Last Exam，专家级推理基准）上，经过多轮反思学习后整体准确率分别相对提升 26.2% 和 116.2%。 
论文将这一范式称为「部署时学习」，与预训练和微调并列为大模型适应的第三种路径：前两者更新模型参数，需要大量数据和算力；部署...