来了，首篇 Agent Skills 系统性综述！

📌 一句话摘要

这篇综述首次系统性地定义了 Agent Skills 的概念，提出了“表示→获取→检索→进化”的四阶段生命周期框架，并梳理了 127 篇相关文献，揭示了技能管理将成为 AI Agent 下一阶段核心竞争力的趋势。

📝 详细摘要

本文是对一篇关于 Agent Skills 系统性综述论文的解读。文章指出，当前 AI Agent 缺乏将重复经验转化为可复用“肌肉记忆”的能力，而技能（Skills）正是填补这一空白的关键。论文首次给出了技能的形式化定义：一个三元组 (M， R， C)，即主指令、辅助资源和触发条件。文章围绕“表示→获取→检索→进化”四个阶段，详细梳理了技能的生命周期。技能获取分为人类手写、从经验中提炼、即时构建和从外部资料挖掘四条路径。当技能库规模扩大后，检索和选择成为新的瓶颈，论文区分了语义、关键词、生成式和结构化四种检索策略。最后，文章强调了技能的持续进化，包括修订、验证、策略耦合、仓库级进化和运行时治理五个环节。文章认为，这篇综述的价值在于清晰地揭示了 Agent 的下一个关键竞争力将从模型能力转向技能管理能力。

💡 主要观点

1. Agent Skills 被形式化定义为三元组 (M， R， C)，即主指令、辅助资源和触发条件。 这为技能的设计和存储提供了清晰的理论框架，区分了纯文本、纯代码和混合型三种技能类型，兼顾了可读性、可执行性和一致性。
2. 技能获取有四条互补路径：人类手写、经验提炼、即时构建和外部挖掘。 人类手写提供高精度种子，经验提炼是目前主流，即时构建应对新任务，外部挖掘解决冷启动问题，组合使用能构建最强技能库。
3. 技能检索召回率不等于执行成功率，大规模技能库的检索和选择是新瓶颈。 语义相关的技能可能因环境不匹配而无法执行，因此需要结合语义、关键词、生成式和结构化等多种检索策略来提升激活的准确性。
4. 技能需要持续进化，包括修订、验证、策略耦合、仓库级进化和运行时治理。 技能不是静态存储，必须通过失败反馈进行修订，通过测试进行验证，甚至融入策略训练，并警惕第三方技能带来的“投毒”安全风险。

💬 文章金句

• 这不是模型不够聪明。而是它缺了一种人类天然具备的能力：把重复经验变成可复用的肌肉记忆。
• 论文给了一个正式定义：一个技能是一个三元组 S = (M， R， C)，其中 M 是主指令文档，R 是辅助资源，C 是触发条件。
• 当技能库扩展到一定规模...核心问题就不再是'有没有这个技能'，而是'能不能在正确时刻找到并激活正确的技能'。
• Agent 的下一个关键竞争力不是模型更强，而是技能管理能力更强。模型是大脑，技能是肌肉记忆。
• 技能的生命周期管理比技能本身更重要。

📊 文章信息

阅读完整文章