表示影响检索：多模式代理线束中的技能发现和路由案例研究

arXiv:2608.20389v1 公告 类型：新 摘要：生产代理工具必须从不断增长的技能库中发现最适合用户任务的技能并对其进行排名。在小范围内，这种选择发生在上下文中：LLM 规划者在其系统提示中公开的技能表示中进行选择，而不需要显式的基于嵌入的检索步骤。我们将这种上下文选择视为大规模基于嵌入的技能检索的小 N 对应项，并提出了一个案例研究，说明 Tinycloud（一种生产多模态视频代理工具）如何为规划者代表其技能。该工具以两种重复表示形式提供技能：包装单个外部 API 或系统工具并用作原始词汇的工具技能，以及编排工具技能调用和模板渲染以生成一个命名可交付成果的工作流程技能。该工具通过系统提示中的两个表面公开它们：用于自动加载技能的内联正文表面（完整说明、脚本、模板）和用于按需技能的单行列表。三种曝光模式（全开、默认、全关）的六项任务选择消融表明，全自动加载会在每项任务上选择黄金技能；全部关闭会减慢执行速度并产生硬发现失败；生产默认会错误地路由一项任务，因为它的词汇信号与自动加载的工具技能相冲突，从而将规划者的注意力从列出的工作流程技能上转移开。主要发现是，及时暴露技能并不单调有帮助：部分暴露可能会造成词汇竞争，从而抑制正确的选择。我们将这种小 N 观察与最近基于检索的大规模技能路由工作联系起来，并将这一贡献作为案例研究而不是基准。