Skill Library（技能库）
Skill Library 是 Teach-and-Grow Learning 中经验证行为的持久化存储。它保存可被选择与执行的 Skill Block——其子目标、支持条件、落地规则、兼容工具与验证逻辑——并且只在候选项通过验证时增长，而不是机器人每跑一个回合就增长。
技能库保存什么
仅有一段「如何抓取」的文字描述并不够。每一条目都必须把意图连接到执行器，以及对该效果的检验，并附上该行为被声明可用的条件。正是这一组合使条目可被选择、可被执行，而不只是描述性的，也正是它让声明的适用范围变得可检查。
它如何增长
候选技能块会在与示教演示分开保留的情形上接受检验。检验会问：它能否从当前场景产生意图中的效果？是否保持了匹配的旧行为？是否停留在所声明的范围内？较弱的块会被收窄或修复；通过验证的块进入新的技能库版本。因此技能库的增长是一系列显式决策，而不是回合的堆积。
为什么增长有成本
本地新增一个技能可以避免重新打开整个学习系统——但前提是场景落地、验证、兼容性与检索保持可控。技能之间不受限制的两两兼容性检查，本身就可能让技能库变得昂贵。论文分析的是这些不同的成本情形，而不是把低成本增长视为自动成立。
可检查性
由于条目是显式的，人可以收窄过度泛化的范围、修改恢复规则，或标记某个执行器版本与某个块不兼容。有两件事被刻意分开：保存了一个行为，与这个行为之后是否真的能跑通。后者仍然取决于能否检索到、能否结合当前传感落地，以及能否成功执行。