當你想將一段成功經驗整理成可重用指引，最麻煩唔係有冇記錄，而係代理之後會唔會真係拎啱、用得啱。demystify-agent-skills 係一個研究型程式碼項目，圍繞 Agent Skills、Workflow Memory 同 raw trajectories 做受控比較，集中處理代理經驗應該點樣封裝，先至更有機會幫到後續任務。
佢吸引嘅地方不只是話「技能有用」，而係拆開幾層去驗證。相同來源經驗同相同目標任務之下，Skill 成功率有 61.9%，高過 Workflow Memory 嘅 55.9%，差距係 6.06 個百分點；但增益主要來自 procedural anchoring，佔 65.7%，唔係靠明示成功或失敗標籤去灌輸知識。
- 同一批 agent trajectories 會被整理成 raw、Workflow Memory 同標準化
SKILL.md，再放返去同一類 target tasks 測試 - retrieval、agent selection 同 real execution 係分開檢查，唔當成單一路徑
- skill pool 由 5 增加到 100 時，embedding top-1 precision 由 88.3% 跌到 76.9%
- parsed actual-use precision 會由 29.6% 進一步跌到 3.3%，但 downstream success 仍大致維持喺 36% 至 39%
「識得檢索」同「真係用對技能」原來係兩回事。項目指出 invocation 本身會帶來新失敗邊界：Skill 案例入面，有 10.0% 係誤用或者忽略技能指引，明顯高過 Raw 嘅 0.8% 同 Workflow Memory 嘅 0.4%。換句話講，技能格式改善咗執行穩定度，卻同時引入另一個決策風險。
呢個項目較適合研究 Agentic workflow、做 AI agent 評測，或者想建立可重用 skill library 嘅團隊重現。並非安裝一個即用產品，而係沿住 raw traces、matched artifacts、retrieval diagnostics 同 target task evaluation 去重跑實驗；對正在設計 Computer-use agents、CUAs 或其他多步代理流程嘅人，呢份分析比單看總成功率更有參考價值。
