由 Xinyuan Song 等六位作者完成的论文《技能梦境：通过拉取请求流演进仓库技能》已被 arXiv 收录，编号为 arXiv:2610.36188，隶属人工智能（cs.AI）与软件工程（cs.SE）分类，报告编号为 CDL-2026-001。该论文于 2026 年 10 月 26 日提交，全文约 1.9MB，提供 PDF、实验性 HTML 及 TeX 源码等多种阅读形式。
论文的出发点在于：大型语言模型智能体在处理复杂的软件工程任务时，越来越依赖可复用的技能，因此技能库已成为仓库开发与维护的重要基础设施。然而，仓库专属技能并非一成不变，它们必须随着代码结构、实现约定和维护需求的演进而更新，否则就会迅速过时。
作者指出，拉取请求（PR）恰好记录了仓库通过实现与评审逐步演化的过程，是这类知识的天然来源。与此同时，新的 PR 又必须遵循仓库特有的实现模式，一致地修改相关组件，并确保既有测试继续通过，同时为新功能补充测试覆盖。
这种双向关系构成了一个相互强化的循环：PR 为技能更新提供知识，而更新后的技能又能改进未来的 PR、维护仓库，并支撑技能的进一步演化。为促成 PR、仓库与技能三者的协同演化，作者提出了 Skill Dreaming 框架。
在具体方法上，给定一个仓库及其 PR 历史，Skill Dreaming 会从经过验证的 PR 中提取可执行知识，构建仓库专属的技能库，并在新的 PR 信息出现时不断细化这些技能。
这些技能所指导的范围不限于实现所请求的功能，还涵盖维护相关测试、文档、兼容性以及仓库约定。通过将 PR 分析、技能管理、代码执行与持续集成整合在一起，该框架提供了一套端到端工作流：既能把学到的技能应用于仓库变更，也能将后续 PR 的结果反馈到未来的技能更新之中。
从更广的视角看，这项工作试图把智能体的技能学习与真实软件开发流程紧密耦合，让技能库随代码库共同成长，而非停留在静态配置。其意义在于为 LLM 智能体参与长期仓库维护提供一种可持续的知识积累机制。