背景
仅靠基础模型的单步生成能力，很难完成真实环境中的复杂目标。同时，智能体的行动常因任务模式和用户要求而重复出现，而每次重新设计提示则具有较大的开销，这促使了智能体技能（skills）的出现。Skills 可以定义为一个可重用的即插即用模块，该模块指定何时调用技能以及如何执行相应的子任务，能把大模型的通用能力转化为可执行、可复用、可组合的行为能力。如下图所示，近几个月来，skills 相关的生态系统迅速扩大 1。这种增长促使人们更仔细地研究现有的技能、如何采用这些技能以及它们可能带来的风险。
一项较为早期的 skill 研究来自于 Voyager 2。这是 Minecraft 中第一个基于大模型的终身学习智能体。它通过不断探索游戏世界，获得各种 skill。Voyager 由三个关键组成部分组成：1）一个开放式探索的自动课程，2）一个不断增长的可执行代码技能库，用于存储和检索复杂行为，3）一个新的迭代提示机制，使用代码作为动作空间。 Voyager 能够在新的 Minecraft 世界中利用学习到的 skills 从头开始解决新任务，具有较高的可扩展性。
而目前语境下的 skill 模式则主要由 Claude 进行了系统化并推广 1，其内部结构如下图所示。SKILL.md 文件以指定 skill 名称和描述的 YAML 元数据作为开头，用于 skill 查询和选择。后续的 Markdown 部分定义了程序的工作流程以及详细的执行说明，包括对产品搜索 API 等外部工具的引用。这种结构在查询时支持轻量级的语义匹配，并能在调用时支持复杂的工具集成与执行。
Skill 构建与演化
给定一组智能体轨迹T={τ1，...，τN}，其中每个轨迹τi记录了智能体为完成、尝试任务而采取的逐步行动，Wang 等人3使用大模型来识别可重用的动作子序列，并将其抽象为技能。具体而言，对每个轨迹τi构建一个结构化的表示，其中包括任务描述、每一步的页面URL、采取的行动（行动类型、可选目标元素和参数）以及智能体的推理。大模型被提示：（1）识别表示连贯、可重用操作的动作子序列（例如，"按关键字搜索产品"），（2）将具体动作值抽象为类型化参数（例如，用query:str参数替换特定搜索查询），以及（3）用自然语言指导注释每个动作步骤，描述其目的和推理。
Ni 等人4尝试从从大批 LLM rollouts 中整理经验并实现技能演化。具体而言，作者首先使用冻结的智能体加以初始技能（人工编写或 LLM 起草）在不断演化的数据集上用 ReAct 进行 rollout，生成带标签的轨迹。接着，作者利用并行的错误分析器和成功分析器分别独立处理单条轨迹，并提出技能补丁（skill patches）。每个子智能体最终都会输出一条针对轨迹的修改补丁。最后，作者通过归纳推理并结合程序化冲突预防机制，将所有补丁合并为一次统一的整合更新，得到演化后的技能，从而提升性能与泛化能力。对于补丁里的共性问题，提炼成通用规则。对于偶发的个例内容，则解决补丁之间的矛盾，以及放到附录的参考文件中。
在 5 中，作者从智能体在真实的任务执行和多轮对话中，捕获具有长期复用价值的偏好、约束或操作步骤，同时删除特定于 case 的实体，仅保留可移植的规则。对于新提取到的技能，作者检索最相似的现有技能作为参照。一个专门的判别器选择添加、合并（到最相关的技能）还是丢弃。若判定为合并，则将新观察到的约束、示例、细节集成到更新的技能版本中。在这种情况下，技能可以不断改进，从而跟踪用户对重复任务的不同需求。
Skill 组织
SkillX 6 的技能为三层的组织架构。分别为规划技能（planning skill）、功能技能（function skill）和原子技能（atomic skill）。其中，规划技能与子任务的组织结构（排序、分支等）保持一致，规定如何组合功能技能来解决问题。功能技能则被抽象成为子任务（每个任务可以分解为若干子任务），可以被视为完成子查询的宏操作。原子技能与单个工具对齐，包含更加丰富的描述、约束和使用模式。
Chen 等人7 认为，当前智能体对技能的支持过于简单，模型在理解和执行技能的能力上存在很大差异。导致这种问题的因素在于：（1）即使加载了技能，模型在执行过程中也可能忽略其指导；（2）即使模型遵循技能，技能对模型能力的假设也可能与模型的实际能力不匹配。因此，作者提出了 SkVM，一个用于技能的编译和运行时系统，可以实现高效的跨模型执行，并为技能执行提供统一的底层支持。当用户首次安装技能时，SkVM 会在技能运行之前根据目标（模型、线束、主机环境）对其进行编译（评估框架下模型的各项能力）。编译器读取原始技能文本，识别目标，生成一个或多个优化的技能变体。尝试缩小技能预期和目标之间的差距。当发现技能指令太复杂，而当前的模型"硬件"不支持，会自动重写和降级技能。
在真实世界的环境中，加载完整的技能集会使上下文窗口饱和，从而推高令牌成本、幻觉和延迟。虽然基于语义相似度检索的方式能提升效率，但语义上的接近并不意味着执行的充分性，例如工程任务中可能会有一些预处理步骤，这些步骤在语义的相似度是较弱的。为此，Liu 等人8提出了技能图（GoS），一个用于大型技能库的推理时结构检索层。GoS离线构建可执行技能图，然后在推理时通过反向加权个性化PageRank来检索有界的、依赖感知的技能包（参考图游走方法）。其中，技能包（Skill packages）在离线阶段会被转化为一个有向多关系图，每一个节点代表一个具体的可执行技能，而节点间的连线表示技能间的结构关系。如基于输入/输出兼容性推导出的前置依赖。
Skill 使用
Xia 等人9发现，当前的技能执行存在以下问题：（1）认知过载，大量技能描述挤占上下文，无关技能干扰LLM判断，决策空间指数级上升导致幻觉、参数错误概率飙升。（2）因果结构丢失，扁平化执行会导致技能的前置条件、效果和依赖关系被丢弃，没有显式依赖跟踪，单步失败后无法判断影响范围，只能全量重规划，长链路任务几乎必然崩溃。为此，作者把扁平的技能列表变成了带类型的DAG（有向无环图），而节点是实例化的技能调用。DAG的执行阶段按拓扑顺序跑，执行前查前置条件，执行后查后置条件，失败时触发本地修复算子，包括改参数、插入前置步骤、技能替代等。
大模型在推理时往往会生成数千个思考token，包括冗余的验证和试错循环，这带来了较大的查询开销和延迟。为此，Zhao 等人10提出了推理技能思维（TRS），一个无需训练、可检索的增强框架，将获取推理逻辑与执行推理分离。离线阶段，作者将长时间的思考轨迹（包括试错）提炼成紧凑、可重用的推理技能，并带有明确的触发因素和陷阱。在线阶段，作者检索新查询的最相关技能并将其注入提示中，引导模型走向有效的解决方案路径。
总结与讨论
本次分享讨论了智能体技能相关的近期工作，包含构建与演化、组织、使用方向。在未来，skill 及存储执行架构的安全性、自我演化能力、过程验证和执行效率仍然是值得研究的角度。
参考文献
1: Ling et al. "Agent Skills: A Data-Driven Analysis of Claude Skills for Extending Large Language Model Functionality." arXiv preprint arXiv:2602.08004 (2026).
2: Wang et al. "Voyager: An Open-Ended Embodied Agent with Large Language Models." arXiv preprint arXiv:2305.16291 (2023).
3: Wang et al. "WebXSkill: Skill Learning for Autonomous Web Agents." arXiv preprint arXiv:2604.13318 (2026).
4: Ni et al. "Trace2Skill: Distill Trajectory-Local Lessons into Transferable Agent Skills." arXiv preprint arXiv:2603.25158 (2026).
5: Yang et al. "AutoSkill: Experience-Driven Lifelong Learning via Skill Self-Evolution." arXiv preprint arXiv:2603.01145 (2026).
6: Wang et al. "SkillX: Automatically Constructing Skill Knowledge Bases for Agents." arXiv preprint arXiv:2604.04804 (2026).
7: Chen et al. "SkVM: Compiling Skills for Efficient Execution Everywhere." arXiv preprint arXiv:2604.03088 (2026).
8: Liu et al. "Graph of Skills: Dependency-Aware Structural Retrieval for Massive Agent Skills." arXiv preprint arXiv:2604.05333 (2026).
9: Xia et al. "GraSP: Graph-Structured Skill Compositions for LLM Agents." arXiv preprint arXiv:2604.17870 (2026).
10: Zhao et al. "Thinking with Reasoning Skills: Fewer Tokens, More Accuracy." arXiv preprint arXiv:2604.17870 (2026).