Large language models (LLMs) have fixed knowledge, being trained at a specific point in time。
软件工程实践节奏快且经常变化，每天都会推出新的库，最佳实践也在快速发展。
这留下了语言模型无法自行解决的知识空白。
在 Google DeepMind，我们从以下几个方面看到了这一点：我们的模型在接受训练时并不了解自己，并且它们不一定意识到最佳实践（例如思想循环）或 SDK 更改中的细微变化。
存在许多解决方案，从网络搜索工具到专用 MCP 服务，但最近，代理技能已经作为一种极其轻量级但可能有效的方法来缩小这一差距。
为了帮助编码代理使用 Gemini API 进行构建，我们构建了一项技能：。
来源：Dev.to
