本文提出了一种针对自进化智能体（self-evolving agents）的新型攻击方法 SkillJack。自进化智能体会将交互历史转化为可复用的技能（skills），这些技能可以跨任务持久保存。以往研究关注的是记忆与检索投毒，但此类攻击仅在恶意记录被检索为上下文时才会生效。本文发现了更根本的风险：被投毒的经验可能被智能体自身转化为持久的行为工件。SkillJack 首次利用自进化智能体的经验-技能转换管道（experience-to-skill pipeline），通过劫持智能体自身的学习过程，将恶意行为植入其可复用的技能库中，而不是直接操纵运行时上下文。作者识别出该攻击的三个关键特性：净化洗白（sanitization whitewashing），即恶意意图在技能提取过程中被掩盖；跨层提升（cross-layer promotion），即瞬态经验成为持久能力；持久性隔离（persistence isolation），即攻击能在删除原始源记录后继续存活。作者在 SkillX 和 Anything2Skill 两个代表性系统上进行了评估，使用包含 150 条轨迹的共享数据集，覆盖四类政策风险。结果表明，技能提取显著降低了攻击的可检测性：在 SkillX 中，安全检测率从针对被投毒轨迹的 98.5% 降至针对提取技能后的 11.4%，Anything2Skill 也呈现类似效果。同时，植入的技能仍然有效，在两个系统上的攻击成功率分别达到 56.2% 和 89.2%。此外，80.0% 的经由技能介导的攻击在删除原始被投毒记录后仍然存在，部分技能还会在良性查询上意外激活。这些发现揭示了技能演化是一个新的攻击面，并提出了对技能生命周期进行来源感知保护的需求。代码已开源。