S = (C, π, T, R)
在适合的情境中调用。
适用条件根据当前观察与目标判断是否调用技能。可复用程序首先要能识别适合自己的任务。
知识系统化研究 · 2026
SoK: Agentic SkillsBeyond Tool Use in LLM Agents
可复用的程序改变了智能体的行动方式。怎样让技能可以组合、能够验证，并在权限边界内安全运行？
University of Technology Sydney · CSIRO Data61
S = (C, π, T, R)
把程序变成可执行策略。
策略根据观察与历史记录选择动作，也可以调用其他技能。它可以由自然语言、代码、学习得到的控制器或混合形式实现。
S = (C, π, T, R)
明确何时停止并返回。
终止条件识别完成或失败。调用方只有知道何时恢复控制，才能把多个技能可靠地组合起来。
S = (C, π, T, R)
提供可复用的调用契约。
调用接口明确名称、参数与返回类型，让程序性知识成为其他组件能够调用的模块。
01 生命周期
技能是持续演进的
系统组件。
从重复出现的任务出发，追踪程序如何成为可治理、可管理版本的能力。
01/ 07
找到值得复用的能力。
从重复任务、执行失败或工作流瓶颈中，识别值得封装为技能的程序。
任务规律 → 候选技能
02/ 07
用反馈完善程序。
反复执行、检查结果，并依据运行反馈或外部监督修改步骤。
执行尝试 → 改进后的程序
03/ 07
保留可以迁移的过程。
将有效轨迹压缩为可复用模块，并明确适用范围与执行边界。
任务轨迹 → 可复用模块
04/ 07
让技能成为持久资产。
为技能建立索引与版本，通过检索选择技能，避免把整个技能库都载入上下文。
技能模块 → 版本化技能库
05/ 07
把技能连接成工作流。
分解任务、路由子技能，并为执行失败定义恢复与重试路径。
子技能 → 可执行工作流
06/ 07
验证实际执行结果。
用可复现的评测框架检查正确性、鲁棒性、效率、泛化能力与安全性。
执行过程 → 结果证据
07/ 07
修订、回归测试或淘汰。
依据评测证据更新技能库，运行回归测试，并停用不再可靠的技能。
评测证据 → 下一版本
生命周期模型 · 论文 §4。各阶段可能反复发生或相互交叠；这里按顺序展示其联系。
02 模式探索
七类模式，
不同的控制边界。
探索封装与执行方式如何改变系统的取舍。同一个系统可以同时采用多类模式。
设计模式 / P1
按需载入技能。
先展示精简元数据，选中技能后再载入完整指令。
上下文开销较低，但选择效果依赖检索质量。
风险 → 元数据投毒
验证来源，并将检索得到的元数据视为不可信输入。
设计模式 / P2
让程序能够直接运行。
把可复用过程封装为具有明确运行行为的脚本。
行为便于测试；可执行代码也扩大了攻击面。
风险 → 恶意代码载荷
隔离执行环境，限制文件、网络与工具权限。
设计模式 / P3
由控制器落实关键步骤。
在模型自由推理之外，强制执行步骤顺序、检查与终止条件。
过程控制更强；固定工作流需要明确的故障恢复路径。
风险 → 绕过工作流
由运行时落实关键检查，并保留审计轨迹。
设计模式 / P4
把经验积累为技能库。
通过执行反馈生成、改进并持久保存技能。
持续改进可以积累知识，也可能传播错误。
风险 → 技能漂移
管理技能版本，在发布更新前运行回归测试。
设计模式 / P5
连接操作指导与可执行步骤。
将自然语言指令、代码块与辅助资源封装在一起。
封装形式灵活，但指令与代码之间的边界可能不清晰。
风险 → 指令注入
区分数据与指令，并审查可执行组件。
设计模式 / P6
让技能操作技能库。
用技能创建、修改或组合其他可复用技能。
复用范围扩展到技能管理；错误也可能影响下游模块。
风险 → 错误放大
验证生成的技能，记录派生模块的来源。
设计模式 / P7
在共享生态中复用。
分发带有版本、依赖与兼容性要求的技能包。
广泛复用使来源验证与供应链治理成为关键。
风险 → 供应链污染
使用来源记录、审查、签名、版本固定与撤销机制。
设计模式与安全分析 · 论文 §5、§7。
03 信任与治理
信息披露与代码执行，
需要各自的边界。
有用的技能也可能带来风险。论文区分了接触技能元数据与获得执行权限这两件事。
阅读威胁模型 ↗T1 仅元数据+
只检查描述与适用条件，不执行技能主体。元数据本身也可能污染检索与选择。
T2 指令访问+
在运行时强制的只读模式下载入自然语言指令。如果缺少独立的执行审批通道，指令访问仍可能间接触发动作。
T3 受监督执行+
通过明确审批、受限权限和可检查的执行记录运行技能。
T4 自主执行+
更高自主性需要更强的来源证明、验证、隔离和监测；技能漂移后可能需要撤销信任。
04 评测证据
精心编写与筛选，
会改变执行结果。
综述引用的 SkillsBench 证据显示：经过编写与筛选的技能平均提升表现，自生成技能则可能降低表现。
通过率经四舍五入；+16.2 个百分点为来源报告的提升值。
−1.3pp
自生成技能
引用的开放任务设置中，相对无技能基线的平均变化。
基准结果依赖具体任务与设置。这些结果不意味着每个精选技能都有效，也不意味着每个生成技能都会失败。
评测与局限 · §8–9 ↗@article{jiang2026agenticskills,
title = {SoK: Agentic Skills -- Beyond Tool Use in LLM Agents},
author = {Jiang, Yanna and Li, Delong and Deng, Haiyu and Ma, Baihe and Wang, Xu and Wang, Qin and Yu, Guangsheng},
journal = {arXiv preprint arXiv:2602.20867},
year = {2026},
doi = {10.48550/arXiv.2602.20867}
}