Formal Skill: 面向高效精准LLM智能体的可编程运行时技能

arXiv:2605.19604v1 Announce Type: new 摘要：大型语言模型（LLM）智能体越来越多地在真实工作空间中行动，工具和技能决定了模型推理能否转化为可靠的行为。现有的技能大多是非形式化的：Markdown技能和指令包将流程编码为冗长的自然语言文档，而函数调用、模型上下文协议（MCP）服务器和框架工具虽然能结构化单个动作，但通常将工作流状态、策略执行和完成纪律排除在技能本身之外。我们介绍了Formal Skill，这是一种运行时原生抽象，利用JSON元数据和动作模式、可靠的Python执行器、钩子控制的逻辑、Formal Skill路由以及技能本地运行时状态来表示可重用能力。通过将可重用流程从重复的提示文本转移到可执行状态机和钩子策略中，Formal Skill为智能体提供了一个高效使用token且可强制实施的控制面。我们在FairyClaw中实现了该抽象，这是一个开源的事件驱动运行时，用于可执行、可观察和可组合的Formal Skills。在Harness-Bench上，FairyClaw在使用了大幅减少的token数量的同时，取得了极具竞争力的平均分数，尤其是在那些凸显Formal Skill作用的任务上表现尤为突出。