标签
论文提出 Skill++，仅重写新加入 agent 技能的名称和描述，以防止不断增长的技能库中出现路由干扰。在 731 个技能、三个基准、五种路由器以及 Codex CLI 框架下，完整技能选择率从 36.4% 提升至 76.3%。
微软 AI 推出 TalentRL，这是一种策略引导的强化学习框架，用于在大语言模型智能体的程序性记忆中进行分层路由，由粗粒度的“才能”指导细粒度技能的选择。该框架提高了七个问答基准上的成功率，并在采用 Qwen 和 Llama 作为骨干模型时，在 ALFWorld 上达到 99.3% 的成功率，在 WebShop 上取得 90.7 的得分。
本文介绍了Gavel，这是一种通过线性投影从冻结LLM中引出原生技能路由的方法，实现了高效的工具选择而不会造成上下文过载，并在基准测试中超越了现有流程。
本文提出了多样性感知技能路由（DSR），一种使用行列式点过程来平衡LLM代理技能选择中的相关性和非冗余性的重排序框架，从而在基准测试中提升召回率和覆盖率。
Routed 是一款开源、本地优先的 AI Agent 技能混合路由器，纯 CPU 离线运行，结合稠密向量 Embedding、BM25 和精确匹配，可在 20 毫秒内完成提示词路由，无需任何 API 调用。该工具支持 Cursor、Claude Code、MCP 服务器等主流 Agent 环境，刚发布了 v1.1.0，新增多语言支持和 MCP 服务器模式。
本文介绍了一个关于多模态代理框架中技能发现与路由的案例研究，表明在提示中部分暴露技能可能会产生词汇竞争，从而阻碍正确选择，将小规模的上下文检索与大规模方法联系起来。
reverse-skill 是一个为 Claude Code、Cursor 等 AI 编程工具设计的逆向/渗透/安全技能路由包，能自动路由到正确方法论和本地工具，覆盖 APK、二进制、JS 加密、CTF、固件、Pwn 等领域。
重点介绍近期三篇AI论文：SpatialClaw（通过代码实现无需训练的空间推理），SkillWeaver（组合式技能路由，采用分解-检索-组合流水线），以及PreAct（将智能体运行编译为快速状态机，用于重复任务）。
介绍了SkillWeaver，一个用于将多个技能路由到LLM智能体的分解-检索-组合框架，以及CompSkillBench，一个包含300个组合查询的基准测试，涵盖2,209个真实MCP服务器技能。
本文认为，智能体AI的下一个瓶颈是系统规模扩展（围绕基础模型设计“框架”），而不仅仅是模型规模扩展，并介绍了CheetahClaws（一个Python原生参考框架），以及对三个核心瓶颈的分析：上下文治理、可信内存和动态技能路由。
本文认为，推进自主AI需要扩展围绕基础模型的系统架构，重点关注可审计、模块化和可验证的组件。作者介绍了参考架构框架CheetahClaws，并概述了上下文管理、可信内存和动态技能路由方面的瓶颈。