Skill 需靠错题集迭代成闭环

这是一条关于 Agent 工程实践的观点分享：完成一个 Skill 只是让 Agent 开始学习，而非真正掌握任务。视频提出将 Skill 转为持续反馈闭环的「Skill to Loop」方法：记录每次执行过程、结果是否被接受、修改轮数、用户反馈及重复错误，并汇入类似“错题集”的数据库。

可借鉴之处在于，把散落在多轮对话中的纠错信息结构化，作为后续优化 Skill、Agent 或 Harness 的依据；视频也给出封面图生成的具体场景，说明问题可能出在指令定义、模型能力与记忆，或运行环境和工具能力。

边界与风险是，这并非自动把 Skill 提升到高质量的方案。失败归因仍需要人工判断，尤其当错误同时可能来自 Agent、Skill 和 Harness 时；若只积累反馈、没有统一的归因标准和验证机制，错误记录也可能难以转化为可靠改进。