动态代理技能：演化技能库的生命周期调查与分类法

# 动态代理技能：演化技能库生命周期调查与分类法 来源：https://arxiv.org/html/2607.10113

###### 摘要

大型语言模型代理越来越多地将可复用流程存储在模型外部。这些可复用的流程通常被称为*技能*：它们可能是代码函数、自然语言指令、SKILL.md包、工作流图或学习得到的适配器，供未来代理检索和调用。本分类驱动型调查探讨了技能库随时间变化的方式。通过对124篇2023-2026年论文的审查，我们将动态技能系统综合为*受生命周期管理、经验证、不断演化的人工制品存储库*：代理从交互中收集证据，提出技能更新，验证和接纳候选技能，将其组织以便检索和组合，修复或修剪过时条目，并通过溯源和回滚来治理共享。我们围绕三个调查工具组织文献。首先，一个六维度分类法区分了当前论文中被称为"技能"的结构不同的工件。其次，一个八阶段生命周期架构识别了证据获取、提案、验证/接纳、存储、检索/组合、维护、蒸馏/可移植性和治理背后的重复性设计决策。第三，一个轻量级技能记录模式和十个算子词汇表提供了比较库更新的通用术语，而无需将其提升为单独的方法贡献。利用这一结构，我们综合了带有明确警示的分级证据模式：接纳和修复反复出现的重要性，验证器质量显著影响技能感知强化学习，扁平检索可能随库规模扩大而退化，当前的基准测试仍低估了库演轨迹、使用-效用差距和安全面。最后，我们提出了具体的报告标准和开放问题，以评估作为变化中的库而非静态提示或工具集合的动态技能。

## 1 引言

大型语言模型代理正从聊天式辅助转向操作工作流。它们浏览和操作网页界面、编写和修复软件、操作桌面和计算机使用环境、协调多步骤研究管线、与具身环境交互，并协助推荐和医学影像等特定领域工作流。在这些场景中，瓶颈不仅在于模型能否推理单个任务，还在于代理能否跨重复性任务、工具、接口和用户重用程序化知识，而非在每次上下文窗口中重新推导相同的策略。

*代理技能*被提出作为解决这一重用问题的实际方案。简而言之，技能是代理未来可以调用的可复用流程。它可能是函数、自然语言指令、SKILL.md目录、工作流图或学习得到的适配器，但其作用相同：保留可重用的行为方式，供未来代理检索、组合和执行。早期的可执行库如Voyager和LATM存储了代码技能；2025年的系统将技能扩展到网络和软件代理；2026年的系统将生态系统扩展到SKILL.md包、计算机使用技能、移动GUI技能、多模态技能、基准测试、注册表和安全审计（Wang等，2023；Cai等，2023；Zheng等，2025a；Xia等，2025a；Chen等，2026d；b；Jiang等，2026a；Xie等，2026；Tao等，2026；Fan等，2026）。更广泛的技能生态系统现在包括SKILL.md约定、函数调用模式、MCP/插件式打包，以及支持包含数百或数千个可复用工件库的注册表式平台（Jiang等，2026b；Zhang等，2025；Anthropic，2025；Li等，2026c；Zheng等，2026）。

"技能"这个词被过度使用了。因此表1是本调查的概念入口：它在论文引入生命周期或更新符号之前，就区分了可执行程序、自然语言经验、SKILL.md包、参数化适配器、记忆轨迹和能力标签。前四个维度构成了本调查研究的核心动态技能集群；后两个是边界情况，仅在它们阐明库行为时被纳入。

| 方法 | "技能"的维度 | 工件形式 | 可执行 | 可编辑 | 可移植 | 可检查 | 验证句柄 |
|------|-------------|---------|--------|--------|--------|--------|---------|
| Voyager (Wang等, 2023) | 可执行代码 | .py库 | ✓ | ✓ | ~ᵃ | ✓ | 单元测试 |
| LATM (Cai等, 2023) | 可执行代码 | Python工具 | ✓ | ✓ | ~ᵃ | ✓ | 单元测试 |
| AgentFactory (Zhang等, 2026i) | 可执行代码 | Python + MCP | ✓ | ✓ | ~ᵃ | ✓ | 元代理检查 |
| LIVE-SWE (Xia等, 2025a) | 可执行代码 | 代码片段 | ✓ | ✓ | ~ᵃ | ✓ | 执行验证 |
| SAGE (Wang等, 2025a) | 可执行代码 | Python函数 | ✓ | ✓ | ~ᵃ | ✓ | 环境奖励 |
| ASI (Wang等, 2025b) | 可执行代码 | 程序技能 | ✓ | ✓ | ~ᵃ | ✓ | 执行验证 |
| HASP (Liu等, 2026b) | 可执行代码 | 程序函数 | ✓ | ✓ | ~ᵃ | ✓ | 教师/执行验证 |
| SkillOps (Song等, 2026b) | 可执行契约 | 类型化技能契约 | ✓ | ✓ | ~ᵃ | ✓ | 验证器/图审计 |
| ERL (Allard等, 2026) | NL启发式 | 批评 | – | ✓ | ✓ | ✓ | 间接 |
| RetroAgent (Zhang等, 2026g) | NL启发式 | 双重经验 | – | ✓ | ✓ | ✓ | 间接 |
| EvolveR (Wu等, 2025) | NL启发式 | 策略原则 | – | ✓ | ✓ | ✓ | 间接 |
| MetaClaw (Xia等, 2026b) | SKILL.md | L1/L2/L3 markdown | ✓ᵇ | ✓ | ✓ | ✓ | L3代码门控 |
| Memento (Zhou等, 2026a) | SKILL.md + 案例 | markdown + 轨迹 | ✓ᵇ | ✓ | ✓ | ✓ | L3代码门控 |
| Trace2Skill (Ni等, 2026) | SKILL.md | L2 markdown | ✓ᵇ | ✓ | ✓ | ✓ | 评判标准 |
| AutoRefine (Qiu等, 2026) | SKILL.md | 双形式markdown | ✓ᵇ | ✓ | ✓ | ✓ | 评判标准 |
| SkillFlow-Bench (Zhang等, 2026j) | SKILL.md补丁 | 文件 + JSON补丁 | ✓ᵇ | ✓ | ✓ | ✓ | 基准验证器 |
| SkillOpt (Yang等, 2026b) | SKILL.md/文本技能 | 优化文档 | – | ✓ | ✓ | ✓ | 保留效用 |
| SkillGrad (Wang等, 2026b) | SKILL.md | 结构化包 | ✓ᵇ | ✓ | ✓ | ✓ | 损失/验证 |
| MUSE-Autoskill (Lin等, 2026) | SKILL.md + 记忆 | 技能 + 每技能记忆 | ✓ᵇ | ✓ | ✓ | ✓ | 单元测试 |
| ContractSkill (Lu等, 2026b) | 契约技能 | 前置/后置条件工件 | ✓ | ✓ | ✓ | ✓ | 确定性检查 |
| ABSTRAL (Song等, 2026a) | SKILL.md/设计文档 | 结构化markdown | – | ✓ | ✓ | ✓ | 轨迹证据 |
| SkillsCrafter (Wang等, 2026f) | 参数化 | LoRA子空间 | ✓ᶜ | – | – | – | 行为探测 |
| SKILL0 (Lu等, 2026a) | 参数化 | 适配器 | ✓ᶜ | – | – | – | 行为探测 |
| SELAUR (Zhang等, 2026b) | 参数化 | LoRA | ✓ᶜ | – | – | – | 行为探测 |
| LSE (Chen等, 2026e) | 参数化(混合) | 提示 + 权重 | ✓ᶜ | – | ~ | – | 行为探测 |
| SimpleMem (Liu等, 2026d) | 记忆/轨迹 | 轨迹案例 | – | ~ | ✓ | ✓ | 间接 |
| MUSE (Yang等, 2025a) | 记忆/轨迹 | 情景存储 | – | ~ | ✓ | ✓ | 间接 |
| CASCADE (Huang等, 2025) | 记忆/轨迹 | 策展案例集 | – | ~ | ✓ | ✓ | 间接 |
| XSkill (Jiang等, 2026a) | 技能 + 经验 | MD技能 + JSON经验 | ~ | ✓ | ✓ | ✓ | 间接 |
| SkillFlow-2025 (Li等, 2025) | 注册表检索技能 | SKILL.md语料库+排名候选项 | ~ | – | ✓ | ✓ | 检索评估 |
| SRA (Su等, 2026) | 注册表检索技能 | 大型技能语料库 | ~ | – | ✓ | ✓ | 检索+效用评估 |
| SkillsVote (Liu等, 2026c) | 注册表治理技能 | 可执行+指导语料库 | ~ | ✓ | ✓ | ✓ | 证据门控 |
| SSL (Liang等, 2026a) | 结构化表示 | JSON式技能图 | – | ✓ | ✓ | ✓ | 支持审计 |
| Co-Evolving (Jung等, 2025) | 能力标签 | 声明式角色 | – | ~ | ✓ | ✓ | 无 |
| GEA (Weng等, 2026) | 能力标签 | 声明式角色 | – | ~ | ✓ | ✓ | 无 |

表1：按论文分类的代表性动态技能方法，以及每种方法采用的"技能"维度及其决定动态行为的五个属性。六个维度划分了设计空间（水平规则）并直接映射到第6节的分类轴；前四个维度是本调查研究的"动态技能"，后两个是边界情况，编辑/验证动态受限。列定义：*可执行* = 工件是否可机器执行；*可编辑* = 是否无需重训即可修改；*可移植* = 是否可跨不同LLM骨干使用；*可检查* = 是否以文本形式可审计；*验证句柄* = 可用接纳检查形式。符号：✓ = 完全满足；~ = 部分/间接；– = 不满足。ᵃ 跨可调用相同运行时的骨干可移植；ᵇ 仅当L3附加代码或MCP资源时可执行；ᶜ 仅通过兼容的基础模型可执行。

这种采纳改变了研究问题。在OpenClaw式个人代理中，¹¹¹ 我们使用OpenClaw、SkillClaw和ClawSafety作为引用论文的研究工件或评估设置名称；本调查依赖于论文的方法和测量，而非产品或平台声明。技能不再是帮助性的提示片段，而是执行基础设施的一部分。SkillClaw利用跨用户的OpenClaw交互在部署轮次中演化共享技能（Ma等，2026b），而ClawSafety表明技能文件可能成为特权个人代理框架中的高信任提示注入通道（Wei等，2026）。提升复用的同一抽象也创造了验证、维护、溯源和治理的问题。

许多技能库仍被视为*静态*的：一次性编写，极少版本化，与揭示技能是否仍然有用、安全或正确的轨迹关联薄弱。近期工作（Alzubi等，2026；Zheng等，2025a；Wang等，2025b；2026g；Lu等，2026b；Chen等，2026b；Wang等，2025a；Ni等，2026；Shi等，2026；Li等，2026b；Song等，2026b；Li等，2025；Xia等，2026b；Yang等，2026b；Wang等，2026b；Lin等，2026）拒绝了这一假设，将库本身视为可增长、缩小、自我修复、改变存储结构、有时将其内容蒸馏回模型权重的学习对象。这些方法各有不同——回顾性整合、执行驱动的打磨、基于强化学习的提案、回滚验证的重构、注册表规模的检索、结构化修复、库时技术债务维护、文本空间技能优化和双时间尺度蒸馏——但共享一个承诺：技能库应作为演化系统来管理。

本调查通过生命周期视图综合该领域：动态技能系统是*受生命周期管理、经验证、不断演化的大型语言模型代理工件存储库*。技能工件从证据中创建，被作为编辑提案，经验证、接纳、组织、检索或组合、维护、有时蒸馏，并通过溯源和回滚治理。论文主要区别在于它们实现了哪些阶段、哪些学习信号驱动编辑、以及验证器放置在何处。结果是一个分类驱动型调查，而非百科全书式的逐论文目录：目标是在快速演进的文献中使工件边界、生命周期承诺、更新机制和证据强度具有可比性。

### 1.1 作为学习系统的动态技能库

*库*是配备检索或组合机制的此类技能的集合。*动态*库是指其内容或组织可随代理积累证据而变化的库。我们在论文后面使用紧凑的记录模式和算子词汇表来使这种比较精确，但基本思想很简单：动态技能系统不仅推理时选择读取哪个技能，它还改变了未来代理将从其读取的存储库。这使得动态技能成为学习系统问题，而不仅仅是软件打包问题。交互产生证据；证据选择编辑；编辑改变库；改变的库通过检索、组合和执行改变未来动作的分布。在这种观点下，Lₜ是代理状态的一部分，转变Lₜ → Lₜ₊₁是学习规则，验证是选择机制，维护是正则化的一种形式，蒸馏是将外部程序化知识移入较慢的参数化或半参数化存储的整合步骤。当技能跨用户、注册表或代理共享时，同一个库还可以充当个体学习与集体学习之间的接口。

时间索引很重要，因为已部署的库会随着任务、工具、骨干和安全约束的漂移而过时。它也使第9节中的分级证据模式得以表达：接纳和验证器质量、检索退化、较弱骨干的收益、重点。