★ FEATURED ARTICLE 本文全面介绍了Agent Skills的概念、生命周期及关键技术将技能定义为包含能力、过程与边界的可复用工件。文章覆盖了技能的表示形式、构建来源、运行时管理、演化策略、双目标评测体系以及安全治理等六个主题并指出了规模化可靠性仍是核心缺口。对于想要学习大模型技能库构建与治理的程序员本文提供了宝贵的参考与指导。PAPER · 论文信息标题Agent Skills: A Comprehensive Survey of Construction, Runtime, Evolution, Evaluation, and Governance机构1上海交通大学2新加坡南洋理工大学INSIGHT · 核心洞察“Agent Skill 的关键价值是把一次性上下文里的任务诀窍抽离成可检索、可执行、可维护、可治理的能力工件当技能库开始增长真正困难的也从“写出一个技能”转向库级维护、双目标评测与供应链信任。今天的 LLM Agent 已经能调用工具、操作软件、编写代码并协调多个子智能体但完成具体任务所需的 know-how 往往仍散落在提示词、代码与单次轨迹里。它能在这一次运行中起作用却很难被命名、检索、复用和更新。这篇综述把 Agent Skill 视为一层独立的能力基础设施它同时描述 能做什么、怎样做、何时适用并沿表示、构建、运行、演化、评测和治理的完整生命周期梳理一个技能从产生到规模化使用会遇到的关键问题。 一句话总结 本文系统梳理 Agent Skills将技能定义为同时包含能力、过程与边界的可复用工件串联表示、构建、运行、演化、评测与治理并指出规模化可靠性仍是核心缺口。01DEFINITION定义把任务诀窍变成可复用能力工件论文从一个很具体的缺口出发Prompt 负责约束当前上下文Tool 提供外部动作Memory 保存过去经验Workflow 固化流程Protocol 连接组件Subagent 承担委派执行但 针对一类任务的操作诀窍 仍常常依附于某次运行缺少一个能够单独存储和调用的单位。— Figure 1Agent Skills 的生命周期与全文结构总览。总览图的阅读顺序从左下角开始先用能力、过程和边界定义技能再进入表示与构建中间的运行时把技能接入任务运行结果回流到演化右侧则把评测、安全治理和开放挑战放在库级尺度上。它传达的核心不是一个线性流水线而是 技能工件、运行反馈与生态治理之间的闭环。1为什么 Agent Skills 在 2026 年快速成为独立议题早期 ReAct、Toolformer、AutoGen、Voyager 与 ExpeL 提供了推理行动、工具使用、多智能体和经验复用等基础。随后研究焦点开始细分技能构建、运行时、演化、评测与安全治理分别出现专门工作技能也从研究原型进入带有共享规范和公共仓库的平台生态。— Figure 2从前置基础到 2026 年中Agent Skill 研究覆盖的生命周期阶段持续扩展。横轴按时间推进彩色标签分别对应表示、构建、运行、演化、评测和安全治理底部的活动强度箭头显示论文所观察到的月度活跃度上升。值得注意的是2026 年春季以后不再只有“如何造技能”还出现 SkillPager、SkillRet、SRA、SkillSieve、SkillProbe 等专门处理加载、检索、评测和安全的问题这说明研究对象已从单个技巧扩展到 可运营的技能系统。— Table 1本文与同期 Agent Skill 综述在生命周期覆盖深度上的比较。表中每一列是一类议题✓ 表示专门且较完整的讨论半勾表示部分或间接覆盖。作者将自己的差异点定位在评测同期多篇综述对表示、构建与安全已有较广覆盖但 把技能质量与智能体用技能能力拆成两个评测目标 的处理仍不充分。这个自我定位也解释了全文后半部分为何给评测和治理较大篇幅。2一个技能必须同时回答三个问题论文把技能写成三元组 s ⟨CPB⟩。C 是 Capability说明它覆盖哪类任务P 是 Procedure说明执行步骤、工具调用与资源B 是 Boundary说明适用条件、前置依赖、权限以及失败后的退出规则。只描述“能做什么”还不够技能还必须让智能体知道怎样落地以及何时不该使用。— Figure 3本文按六个主题组织 Agent Skill 方法谱系。这张分类图纵向列出表示、构建、运行、演化、评测和安全治理右侧再为每个主题挂接代表方法。它的作用不是给方法排座次而是说明同一个技能系统必须同时处理文件形态、来源、选择与执行、版本更新、效果归因以及风险控制任何一层缺失都会在规模化时成为瓶颈。— Table 2Skill 与 Prompt、Memory、Workflow、Tool、Protocol、Subagent 的关系。Table 2 给出最清楚的边界Skill 并不替代这些组件。相对 Prompt它把指导移出当前上下文以供复用相对 Memory它把记录过的经验转成可运行过程相对 Workflow它补上条件、依赖与检查相对 Tool它决定何时、怎样调用一个或多个工具相对 Protocol 和 Subagent它是被传输或被加载的 能力本身。明确这个边界后下一步才是选择技能应以何种形式存在。02REPRESENTATION表示自然语言、可执行与混合资源定义解决“什么是技能”表示形式决定它能否被检索、静态检查、跨框架迁移和稳定执行。论文把现有技能分成三类并把结构化中间表示看作一条连接可读性与可验证性的编译路径。— Figure 4三种技能表示及其示例形态与权衡。左侧的自然语言技能通常是一份 Markdown写清适用场景、步骤与输出最便于人类编写和修改但歧义与隐含假设较多。中间的可执行技能直接编码成函数、脚本或工具调用可重复、可测试却引入依赖、权限和运行环境。右侧的混合资源技能把说明、代码、配置、模板和样例装进同一目录表达最完整维护成本也最高。图底部进一步指出编译成 typed graph 或 portable IR 后可以获得 可检查、可移植、可修复 的结构。— Table 3不同表示形态的代表系统、载体与关键特征。代表系统把差异落到具体载体上OpenHands Microagents 与 SOP-Agent 采用文档Voyager、LATM、PolySkill 使用代码库、可复用函数或程序化技能Claude Code 与 Skilldex 使用带资源的技能包Skill Text to Structure、SkCC 和 AIP 则尝试 typed graph、portable IR 与图表示。这里没有绝对最优解越接近自然语言越灵活越接近结构化执行越容易验证复杂任务通常需要两者组合。表示形式一旦确定技能的来源就成为下一个问题是由人和文档提供还是从智能体自身经历中抽取抑或在任务缺口出现时即时生成。03CONSTRUCTION构建技能从哪里来手工编写能保证控制力却无法覆盖不断增长的任务空间。论文因此不按具体算法而按 知识来源 组织构建方法因为来源直接决定技能的覆盖范围、验证成本和环境迁移风险。— Figure 5三类技能来源预先材料、历史轨迹与当前任务需求。图中第一条路线使用运行前已经存在的 SOP、规范、API 文档或知识库可由开发者直接写也可经文档抽取管线生成。第二条路线从成功、失败、示范与反馈轨迹中蒸馏技能证据可是一条成功轨迹、一组成败对照或一批轨迹。第三条路线在当前任务缺少能力时现场识别缺口、写出技能并立即运行。三者分别强调 稳定性、适应性与覆盖缺口。1三种来源各自解决什么问题预先材料适合把经过确认的人类知识转成可执行资产例如 Claude Code 的固定目录结构、CUA-Skill 的界面操作知识和 SkillFoundry 的多源科学资源管线。历史轨迹更贴近智能体真实遇到的问题Voyager 保留通过环境测试的行为ExpeL 与 SWE-Exp 从成功—失败差异提炼经验Trace2Skill 与 AWM 从轨迹池中寻找可复用模式。按需构建则由 CREATOR 或 LATM 在任务现场补齐缺失工具。— Table 4技能构建方法按知识来源、应用场景与特征分组。表格应按“Skill Source”列阅读预先材料组包含 direct authoring 与 domain resources历史轨迹组从 single success trace 扩展到 success–failure pair、trace pool 和 active exploration当前任务组则只在需要时创建。论文给出的综合判断很务实材料型技能会随文档老化轨迹型技能可能过拟合旧环境按需技能往往缺少验证且不被保存因此可靠系统更可能采用 三路并存的组合策略。构建只产生了技能工件并不保证它在任务中被正确使用。技能进入大规模库以后检索、激活、加载和组合会成为新的误差来源。04RUNTIME运行时从找到技能到组合执行运行时回答的是“技能已经存在Agent 怎样把它变成环境中的有效动作”。论文把这一过程拆成四步且强调结果和用户反馈必须重新进入技能库。— Figure 6检索、激活、加载执行与组合构成的技能运行时流水线。先由任务与上下文形成 Query检索只返回少量候选技能激活阶段再根据触发器、模型判断或学习到的 selector 做出承诺随后加载必要内容绑定参数、依赖和权限并在工具与环境中执行若单个技能不足则按序列、层级、图或回退链组合。左侧反馈箭头提醒我们运行时不是只读消费技能库实际结果会改变后续排序与演化。1检索相关不等于应该调用检索信号可来自任务描述、当前状态、技能依赖或历史成功率。它解决的是候选缩小问题却不自动解决是否应该调用。激活还需要 declared trigger、model-selected activation 或 learned selector。论文特别区分这两步是因为语义上最相关的技能未必对当前状态有用而一个错误激活会把后续加载与执行全部带偏。2加载预算和组合结构决定执行成本Claude Code 只常驻短元数据触发后再加载完整说明SkillPager 细化到只载入与查询相关的节点SKIM 用 soft token 压缩From History to State 与 Skill-to-LoRA 则把过程移入任务模块或适配器。组合方面Sequence 传递前一步输出Hierarchy 由父技能调用子技能Graph 处理偏序依赖Fallback 在失败后切换方案Collaboration 把能力分配给不同 Agent。— Table 5四个运行阶段的代表机制与系统。表中可看到同一个系统可能跨阶段出现SkillRL 用历史反馈重排技能Claude Code 同时涉及声明式触发与按需加载SkillX 既检索又做层级组合。由此可见运行时的优化目标不是单点召回率而是 从候选发现到环境效果的整条链路。链路开始长期运行后技能本身也会因工具漂移、失败案例和新需求而需要更新。05EVOLUTION演化改技能、训策略还是维护技能库技能的第一版通常覆盖不全环境和工具还会持续变化。论文按“每次更新到底改了什么”划分演化方法直接改技能文本、用奖励联合训练策略与技能库、搜索多个候选版本或把技能行为蒸馏进模型权重。— Figure 7四类技能演化机制及其共同进入的技能库维护环节。Critique-based 方法生成批评与修订可用自评或外部工具、单元测试、沙箱通过率来把关RL-based 方法把任务奖励拆给技能选择、使用和沉淀过程Search-based 方法保留候选群体用通过率、成本或多目标 fitness 选择Distillation-based 方法把外部技能逐渐压入模型权重减少运行时加载。四类方法的代价也不同批评便宜但可能漂移RL 自适应但样本重搜索覆盖广但评估贵蒸馏省加载却可能回归。1接受一次修改之前必须有证据闸门纯自我批评容易让模型接受自己的错误因此外部证据成为关键。CRITIC 使用工具结果MUSE-Autoskill 附带单元测试SkillOpt 只接受在留出集上提升的编辑SkillCAT 还要让补丁通过任务克隆回放。论文的共同线索是演化不是不断追加文本而是 提出候选—验证收益—检查回归—再合入。2技能库维护不是清理工作而是长期正确性的组成部分库变大后会积累近重复项、冲突修改、陈旧技能和拖慢检索的低价值条目。XSkill、SkillX 做合并Trace2Skill 在合并时处理冲突From Context to Skills 用旧案例回放检查Skill-Pro、SkillMOO、SkillOS 依据贡献、搜索 fitness 或紧凑性奖励做裁剪。技能库若只有新增没有合并、版本与退役机制规模越大并不意味着能力越强。演化路线的差异最终必须通过评测来判断但总任务成功率会把“技能本身好不好”和“Agent 是否会用技能”混在一起。论文因此在下一部分先把评测对象拆开。— Figure 8Skill-centric 与 Agent-centric 两个评测目标。图左固定 Agent变化技能测的是效果、复用、迁移、成本与安全图右固定技能或技能池变化 Agent测的是选择、调用、应用、组合与鲁棒性。中间的天平表示两套分数不可互相替代一个强模型可能掩盖差技能一个好技能也可能被不会触发或不会落地的 Agent 浪费。— Table 6四类演化方法与技能库维护的代表工作。论文随后用 Table 6 收束演化方法的比较。Mechanism 列清楚标出 update targetself-critique、external check、policy skill bank、genetic/frontier search、curriculum annealing、teacher–student以及 consolidation、conflict control、pruning 与 health scoring。它为后续评测提供了可测对象不同演化路线必须报告的不只是最终成功率还应说明成本、迁移和回归。06EVALUATION评测拆开“技能好不好”和“Agent 会不会用”有了双目标框架评测才知道分数应该归因给谁。论文先列技能中心维度再列 Agent 中心维度最后用现有 benchmark 覆盖图暴露缺口。1Skill-centric固定 Agent测技能的边际价值— Table 7固定 Agent 时技能质量应覆盖的八个维度。八个维度从效果走向可部署性相对 no-skill baseline 的任务成功增益跨整个任务类别的复用跨模型与跨环境迁移每次加载和执行的 token 成本规范质量可组合性以及是否不存在漏洞、注入指令和凭证泄漏。静态 rubric 可以低成本检查文件结构与风险却不能证明技能有效行为评测必须实际运行技能并与关闭技能的对照组比较。2Agent-centric固定技能池测智能体的使用能力— Table 8固定技能池时Agent 使用技能能力的八个维度。这里的 Use 包括 selection、need-aware invocation、application 与 compositionBuild 包括 creation 和 library maintenance再加上面对干扰、冲突、过时或恶意技能时的 robustness以及检索加载成本。一个 Agent 即使检索到了 gold skill也可能不加载、错误调用或无法把步骤落到环境因此 检索召回率只是链路中的一个信号。3现有 benchmark 的空白在哪里— Table 9Skill-centric benchmark 对八个维度的覆盖。横向读取打勾位置可以看到明显空白现有表格中 Cross-model、Cross-environment 与 Composability 三列没有专门 benchmark 覆盖任务成功、规范质量和安全各自有部分工具但同一 benchmark 很少同时覆盖效果、泛化、效率与安全。作者因此要求技能分数必须同时报告运行它的 Agent否则不同论文之间无法比较。— Table 10Agent-centric benchmark 对选择、调用、应用、组合、创建、维护、鲁棒性与成本的覆盖。Agent-centric 一侧同样碎片化SkillRouter、SkillRet 与 R3-Skill 聚焦选择SRA-Bench 同时看选择与是否需要调用SOP-Bench 看应用SkillFlow、SkillLearnBench、SkillCraft、SkillGenBench、SkillEvolBench 分散覆盖创建、组合与维护鲁棒性主要来自 SkillResolve-Bench、AgentTrap 和 When Safe Skills Collide 等安全研究。论文给出的最低报告标准是技能论文至少报告成功增益、复用、执行成本和安全技能型 Agent 至少报告选择、应用和鲁棒性。评测维度一旦包含安全与鲁棒性就不能把技能看成普通提示词。技能会携带文本、代码、元数据和长期权限技能比普通 Prompt 多三层风险不受信任的文本进入模型上下文打包代码在环境中执行用户还可能对后续运行复用一次性批准。论文因此按威胁面、检测隔离与生态治理三层组织防线。— Figure 9从威胁面到检测隔离再到生态治理的安全框架。左侧威胁包括正文注入、恶意代码、语义操纵、组合风险与技能窃取右侧防线从静态检测升级到语义检测、行为验证和运行时权限隔离底部治理则覆盖提交准入、持续质量控制、撤销披露以及跨平台来源信任。这个布局说明单次扫描只能处理可见模式长期可信需要发布前、运行中和生态层共同约束。1攻击面不仅在代码也在描述和组合关系正文注入可以藏在 SKILL.md、引用脚本或人类不可见的 HTML 注释中恶意 bundle 可带触发式后门semantic compliance hijacking 不携带恶意代码而是把越权目标包装成合规要求让 Agent 自己生成并执行代码描述文本还能操纵检索排名两个单独安全的技能组合后也可能形成不安全链路。仅靠签名和 AST 扫描无法覆盖这些语义与组合层风险。2防线必须从检测延伸到最小权限和撤销静态分析适合查找已知危险模式、secret 泄漏和代码结构语义检测判断意图、权限理由与隐蔽行为行为验证在沙箱中比较“声明做什么”和“实际做了什么”permission gating 则用 contract、manifest 与 deny-by-default 限制一次调用的能力边界。进入 registry 后还需要提交准入、证据门控更新、恶意条目撤销和 provenance。— Table 11九类威胁、代表攻击、当前最佳防御与成熟度。最后一列是论文对防御成熟度的判断。Bundled malicious code 与 credential leakage 被标为 Mature因为已有静态或 AST 分析配合行为验证body-level injection、compositional risk、persistent single-approval trust 与 skill stealing 仍是 Partial无代码劫持、描述级供应链操纵和跨平台信任迁移 被标为 Open。最难的问题都藏在看似正常的文本和生态关系中而不是显眼的 payload。安全章节把论证推向最后一个问题即使单个技能可用、可测、可扫描技能库仍可能在长期增长、跨平台流转和自我演化中失去可靠性。08OPEN QUESTIONS开放挑战从单个技能走向可信生态论文按“单个技能—技能库—生态系统”的尺度列出六个尚未解决的问题。它们并不是新的算法清单而是前面各章节暴露出的共性缺口。知道何时有用技能收益会随任务、领域和 Agent 改变系统既要知道哪个技能相关也要判断这次调用是否值得。外置还是内化文本技能易审计、分享和修改内化到权重后不占运行时上下文。尚缺少决定何种知识应留在工件、何时应迁入模型的机制。无回归演化同一自我演化循环可能提升强模型、却拖累弱模型单次验证闸门也无法保证长期任务流中的库整体单调改进。规模增长不衰减技能库越大选择质量可能下降单个技能的错误还会扩散为全库漂移。版本、依赖、冲突和弃用需要像软件工程一样成为常规能力。跨框架可移植结构化 IR 只能捕捉部分语义而专门的跨模型、跨环境迁移 benchmark 仍缺位导致可移植性既难实现也难测量。共享技能可信来源、声誉与撤销状态尚不能随技能跨 registry 传播。一个在平台 A 下架的技能仍可能在平台 B 以镜像或派生版本重新出现。全文最后收束到一个一致结论这个领域已经较擅长构建和使用 单个技能却仍不擅长在规模下维护、评测和治理它们。Agent Skill 的研究重心因此会从“把诀窍装进文件”继续向库级运维、可归因评测、回归控制和跨平台信任移动。✨ 一句话点评 Agent Skills 用“能力—过程—边界”的显式工件把任务诀窍从一次性上下文中解耦也重新界定了 Agent 扩展能力的路径可靠性不只来自更强的模型还来自能被检索、验证、演化和治理的技能基础设施。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
阅读完成 · 觉得有帮助？
