39 lines
1.7 KiB
Markdown
39 lines
1.7 KiB
Markdown
---
|
||
title: "过程性鸿沟 — Procedural Gap"
|
||
created: 2026-06-19
|
||
updated: 2026-06-19
|
||
type: concept
|
||
tags: [agent-skills, procedural-knowledge, llm-agents, bottleneck]
|
||
sources:
|
||
- https://arxiv.org/abs/2605.07358
|
||
---
|
||
|
||
# 过程性鸿沟（Procedural Gap）
|
||
|
||
## 定义
|
||
|
||
**过程性鸿沟**指 LLM agent 系统中，**工具访问能力**与**鲁棒任务执行**之间的差距。拥有工具不等于知道何时调用、如何编排多工具、怎样处理失败、以及如何验证输出。
|
||
|
||
来自 Zhou et al. (2026)：随着任务变得更长周期（long-horizon）和异质化，agent 每次从零推导过程步骤会导致严重的脆弱性、高延迟和不可靠性。
|
||
|
||
## 问题的三个维度
|
||
|
||
1. **触发（Trigger）**：何时应调用某个能力？（搜索工具 vs 内存检索？）
|
||
2. **编排（Orchestration）**：多个工具如何协调？（顺序、并行、条件分支？）
|
||
3. **验证（Validation）**：输出是否正确？（schema 变了怎么办？执行失败了如何处理？）
|
||
|
||
## 根本原因
|
||
|
||
Agent 的基础模型提供了**被动知识**（预训练中的推理先验），但在专业化和快速变化的领域中，这些静态先验往往不够精确。MCP 等协议解决了工具可达性，但**编排负担仍然落在推理时的 LLM 上**。
|
||
|
||
## 解决方案：Agent Skill
|
||
|
||
Skill 通过将过程性 know-how 外化为显式、可复用的构件来弥合这一鸿沟——将"每次从零推理"转变为"检索→选择→执行→演化"的闭环。
|
||
|
||
## 参考
|
||
|
||
- [[agent-skill|Agent Skill]]
|
||
- [[zhou-agent-skills-survey-2026|Zhou et al. 2026 综述]]
|
||
- [[skill-lifecycle|Skill 生命周期]]
|
||
- [[passive-vs-active-knowledge|被动 vs 主动知识]]
|