🔥 今日值得一读
子智能体执行技能包，长任务推理不再崩！
Subagents vs Agent Skills: Executing Reusable Knowledge for Long-Horizon Agentic Tasks
📖 AI 总结
本文研究语言模型智能体如何有效利用可复用知识库完成长周期任务。当前主流做法是将智能体技能（即包含指令、脚本和资源的多文件技能包）加载进主智能体上下文并依赖其执行，但随着任务周期变长，上下文信息不断累积会导致推理质量下降，该方法愈发脆弱。作者提出替代方案：将技能包作为子智能体调用，为每个子任务开辟全新上下文窗口，而非将技能指令载入主上下文。实验表明，当技能包具有清晰的输入输出契约、且其指令编码了履行该契约所需的程序性知识时，子智能体执行优于技能执行，代价是主智能体与子智能体协调带来的额外通信开销。研究结论指出，可复用知识的收益不仅取决于其内容，还取决于其组织与调用方式。
🔑 关键词速览
| Agent Skills | 以多文件技能包形式表示的可复用能力，包含指令、脚本等资源，供智能体执行特定任务。 |
| Subagents | 将技能包作为独立子智能体调用，为其生成新的上下文窗口来专门解决子任务，而非将指令加载到主上下文。 |
| Long-Horizon Tasks | 需要多步骤、长时间推理和大量上下文积累才能完成的复杂任务。 |
| Input-Output Contracts | 技能包对外暴露的明确输入输出规范，定义了子任务如何被调用以及应返回什么结果。 |
| Context Window | 语言模型在单次推理中能够处理的最大令牌序列长度，信息积累过多会导致推理质量下降。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅