SkillDAG技能图

【背景】随着LLM智能体依赖的技能库规模扩大至数千条，传统基于向量相似度的检索方法因忽略技能间的依赖、冲突等结构关系而失效。新研究提出SkillDAG，将技能库建模为有类型的有向无环图（DAG），并作为可调用接口直接暴露给LLM，而非隐藏在固定检索管道中。

该架构允许智能体在执行过程中通过search获取向量匹配、邻居节点及冲突信号，并通过propose-then-commit协议动态注册执行证据支持的边，使图结构随任务积累演化。在ALFWorld和SkillsBench基准测试中，SkillDAG显著优于全量提示、向量检索及Graph-of-Skills基线：在MiniMax-M2.7模型上，ALFWorld成功率提升14.3个百分点，SkillsBench奖励提升8.6个百分点；其优势在技能池扩大10倍时依然保持稳健，而固定管道性能则出现退化。这一结果证实，让智能体主动查询和修订技能间结构，比被动接收不透明检索包更能提升复杂任务的成功率。