2.4 KiB
2.4 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | ||||
|---|---|---|---|---|---|---|---|---|---|
| Skill 选择 — 上下文/组合/效用/反馈 | 2026-06-19 | 2026-06-19 | concept |
|
|
Skill 选择（Selection）
定义
Skill 选择是 skill 使用管线的第二阶段：从检索返回的候选集中决定最终调用哪个 skill、是否组合多个 skill、以及如何根据当前状态和预算做出决策。
与检索的区别
检索解决候选召回，选择解决执行导向的决策。
| 检索 (Retrieval) | 选择 (Selection) | |
|---|---|---|
| 目标 | 从一个大的 skill 池中找到相关候选 | 决定最终调用哪个（或如何组合） |
| 输入 | 任务描述、skill 元数据 | 候选集 + 当前状态 + 子目标 + 预算 |
| 输出 | 候选集 | 执行决策 |
四个选择视角
1. 上下文感知动态选择（Context-Aware）
- 将 skill 选择视为在线的、以当前观察、子目标和交互历史为条件的决策过程
- 随执行展开修订选择，而非一次固定
- 代表：AutoGuide, MemSkill, Memento-Skills
2. Skill 组合（Composition）
- 复杂任务需要组装多个 skill 为序列、集合或工作流
- 核心问题不仅是"哪个 skill 相关"，更是"如何排序和连接"
- 引入新失败模式：接口兼容性、顺序约束、错误传播
- 代表：SkillWeaver, AWM, ASI, AgentSkillOS, CUA-Skill
- → skill-composition
3. 成本/效用感知选择（Cost/Utility-Aware）
- 不应仅偏好最相关的 skill，应考虑效用与成本/风险/副作用
- Skill 可能有负效用——即使任务匹配，也不应调用
- 这是新兴设计准则，尚未形成成熟的方法家族
- 代表：MemSkill, Memento-Skills, SkillOrchestra, SkillsBench
4. 反馈驱动重排序（Feedback-Driven）
- 用历史执行信号更新 skill 偏好
- 今天的错误应成为明天的排序信号
- 通常作为增强层叠加在更广泛的选择管线上
- 代表：SkillRL, CUA-Skill, ToolExpNet, ExpeL, SMART
关键洞察
Skill 选择本质上是策略问题而非排序问题。四个维度（上下文、组合、成本、反馈）互补而非互斥——实际系统往往同时结合多个维度。