论文速览 - SkillSeek：在技能市场规模下重新审视 Agent 技能检索

来源：https://huggingface.co/papers/2609.38822 已被 AACL-IJCNLP 2026 Findings 接收。

Agent Skill（智能体技能）是一个包含指令的文件夹，用于教 AI 智能体完成某项特定任务。智能体在启动时只阅读每个技能的简短摘要，仅在任务看起来相关时才打开全文。

这类技能的公开集合增长迅猛。最近一次爬取在各大分发平台上共统计到 238,180 个技能。

因此，任何人都可以编写技能，难点在于选择加载哪些技能。

❌ 全部加载并不可行。即使在一个仅包含 192 个技能的池中，全部加载会让智能体的得分与不使用任何技能时完全相同，而 token 消耗却增加了 59%。

❌ 宽泛地加载同样不行。一个相关技能能将智能体提升 17.8 分；两个或三个能提升 18.6 分；四个及以上反而会跌回 5.9 分。

因此，检索器必须精准命中，而不仅仅是“差不多“。

该领域得出的结论是让智能体自行检索：改写查询、浏览候选技能，并将它们组合成一个面向该任务的新技能。

这一答案有其真正优势。在一项关于跨 GPU 切分张量的任务中，智能体找到了两个部分相关的技能，并将它们合并成一个两者都不包含的新方案。固定的检索器无法做到这一点。

🔍 于是我们想探究：这种优势在多大程度上会决定最终结果。

我们使用 11 种检索方法，在 4 种设定（两种技能池规模 × 两种语言模型）下进行了实验，基于一个包含 89 个任务的基准测试，由测试套件判定智能体是否成功。

📊 结果。通过率是指 89 个任务中被成功解决的比例，越高越好。

✅ 仅用 BM25——一种源自 1990 年代的关键词匹配方法——在 4 种设定中的 3 种上与智能体式循环（agentic loop）持平或胜出 ✅ 一个小型交叉编码器在第四种设定上追平差距，达到相同的 0.442 通过率 ✅ 单次运行成本：不使用技能为 27.41 美元，使用我们的检索器为 27.54 美元，使用智能体式循环为 51.30 美元 ✅ 我们的检索器在 CPU 上运行，不消耗任何语言模型 token

我们并不是说智能体式检索是错的。我们想说的是，它应当作为兜底方案，而标准的检索方法才是你首先应该尝试的。

⚠️ 论文中报告的一个局限：在大型技能池上，第一阶段的召回率限制了任何重排序器的上限，而智能体式循环的成本优势正是体现在这一上限处。

🙏 与 Wenlong Zhang、Tian Shi 和 Ping Wang 的合作成果。