标签
APDMem 提出了一种面向 LLM 助手的分层长期记忆架构，通过智能体对四层记忆施加渐进式披露控制，在仅访问 8% 对话数据的情况下，取得了优异的 LongMemEval 表现。
Google 的博客文章介绍了 Genkit for Go 中对 Agent Skills 的支持，展示了渐进式披露如何让代理按需加载专业知识，从而减少 token 使用量并提高可靠性。
本文介绍了SkillJuror，一个评估Agent技能的不同组织范式如何影响LLM Agent运行时行为的框架。对82个任务的研究表明，与扁平基线相比，渐进式披露(Progressive Disclosure)增加了资源多样性和采纳事件，且结果改善依赖于任务。
Anthropic发布博客解释Claude Code中Skills的概念：Skills是一个包含指令、脚本、参考资料等内容的文件夹，Agent可渐进式披露上下文以减少幻觉和token浪费。
本文分享了编写一个真正可用的Claude Skill的实践指南，涵盖运行机制、目录骨架、frontmatter写作、迭代方法等，帮助开发者高效构建和调试自定义技能。
Matt Pocock 就他提议的技能原则征求意见：简洁、单一职责、可组合、渐进式公开和与工具无关。
为 MCP（模型上下文协议）辩护，反驳其会向上下文注入垃圾信息的批评。指出 Claude Code、Codex 和 Cursor 等现代工具已实现渐进式披露，并按需加载 MCP 工具，使该抱怨过时。作者认为 MCP 最适合需要身份验证和可发现性的云端托管平台。