计算机使用代理能够在图形界面中完成日益复杂的任务，但其交互经验往往是瞬时的：一次 rollout 获得的过程性知识不会系统地保留下来、细化或在后续任务中复用。现有的技能库提供外部过程性知识，但其相较于不使用技能的同一代理的增量价值，以及在重复交互下的长期动态，仍缺乏充分的描述。我们提出一种在线技能进化框架，将交互轨迹和评估者反馈转化为可持久化、带版本的可复用过程库。每一次迭代在冻结的库快照上执行，基于证据的技能更新在后续迭代中可用，而模型参数保持不变。我们在四个 OSWorld 应用域中，对比了完整进化库系统与配置相同的空库对照，使用相同的动作生成与 GUI 对齐堆栈、任务集和迭代时限。经过五轮空库热身后，完整系统在所有四个域的热身后平均评估得分均高于空库，差值在 5.7% 到 18.6% 之间，且随域不同表现出不同的时间稳定性。在 GIMP 场景中，基于来源的分析显示技能检索跨任务边界发生，并出现修订 churn：重复接受的编辑未能恢复其来源任务。这些结果表明，进化的技能库是一种可审计、可共享的过程记忆，能够提升固定的计算机使用堆栈，但其收益具有条件性，重复修订并不保证恢复。代码已开源：https://github.com/LongtaoHu/Skill-Evo4GUI。
点评