Tinycloud框架实测：技能全自动加载，任务成功率100%！
Representation Affects Retrieval: A Case Study of Skill Discovery and Routing in a Multimodal Agent Harness
📖 AI 总结
本文以生产级多模态视频代理系统Tinycloud为案例，探讨技能表征方式如何影响智能体在任务中选择合适技能的能力。研究将小规模场景下的上下文内技能选择，视为大规模嵌入检索式技能路由的对应物。Tinycloud采用两类技能表征：封装单一API的工具技能，以及编排多个调用并生成交付物的流程技能；系统提示词中通过内联全文和单行列表两种方式暴露这些技能。基于六项任务的消融实验显示，全量自动加载能百分百选中正确技能，而完全关闭加载会导致执行缓慢和发现失败；生产默认配置则因词汇信号冲突，使规划器注意力被自动加载的工具技能吸引，导致一项任务路由错误。核心发现是提示词内技能暴露并非越多越好，部分暴露可能引发词汇竞争，抑制正确选择。该观察为技能路由系统的表征设计提供了实证参考。
🔑 关键词速览
| Tinycloud | 一个生产级多模态视频智能体框架，用于技能发现和路由的案例研究对象。 |
| tool-skills | 封装单个外部API或系统工具的技能，作为智能体的原始词汇。 |
| workflow-skills | 编排工具技能调用和模板渲染以生成命名交付物的技能。 |
| in-context selection | LLM规划器在系统提示中直接选择技能的过程，无需显式检索步骤。 |
| lexical competition | 技能表示中的词汇信号相互干扰，导致规划器错误选择技能的现象。 |
📱 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