SkillSmith：将代理技能编译为边界引导运行时接口

arXiv:2605.15215v1 公告类型：新 摘要：最近，技能已广泛应用于各个领域的基于大型语言模型（LLM）的代理系统。在现有框架中，一旦与运行时任务匹配，技能通常会作为上下文指导注入到代理推理循环中，从而实现专门的任务解决能力。我们发现这种执行范式引入了两个主要的冗余来源：不相关的上下文注入和重复的特定于技能的推理和规划。为此，我们提出了 SkillSmith，一个边界优先的编译器运行时框架，可将技能包离线编译为最小的可执行接口。通过从技能中提取细粒度的操作边界，SkillSmith 使代理能够在运行时动态访问和仅执行相关组件，从而最大限度地减少不必要的上下文注入和冗余推理开销。在 SkillsBench 基准评估中，与使用原始技能相比，SkillSmith 将解决阶段代币使用量减少了 57.44%，思维迭代减少了 42.99%，解决时间减少了 50.57%（快 2.02 倍），代币比例货币成本减少了 57.44%。此外，由更强大的模型生成的编译工件可以由更小或更高效的运行时模型重用，从而在原始技能解释失败的情况下提高任务准确性。源代码和数据可在 https://github.com/AetherHeart-AI/Aeloon 获取。