简介:在Agent技能库从几十膨胀到成千上万时,"找对技能"往往比"会不会推理"更难。本文系统解释"技能图(Graph of Skills)"这一概念:它把散落的技能组织成一张带依赖关系的图,帮助Agent检索出规模足够小、依赖足够全、可直接执行的一套技能组合,从根本上解决上下文过载与"先决条件鸿沟"两大痛点。你将理解它的定义、原理、与向量检索的区别,以及落地时的关键注意事项。
技能图(Graph of Skills)是一种面向AI Agent的技能组织与检索方法。它的核心思想并不复杂:不再把海量技能当作一份平铺的清单或一堆孤立的向量,而是先在离线阶段把整个技能库构建成一张有向图——图中每个节点代表一个技能(Skill),每条边代表技能之间的依赖、调用或前置关系;到了运行时,再让Agent在这张图上检索出一套”规模足够小、依赖足够完整、可以直接跑通任务”的技能子图。
用一句话概括它的定义:技能图是一种把”技能检索”从”找相似的”升级为”找可执行的完整组合”的结构化方法。
它要解决的,不是”Agent会不会调用技能”这种表层问题,而是一个更现实、也更关键的工程问题:当技能库足够大时,Agent如何才能一次找对那套真正能把任务端到端跑通的技能组合,而不是只找到几个”看起来相关”的顶层技能。
很多人有一个直觉误区:给Agent装越多技能,它就会越强。但现实往往相反。当技能库规模扩大后,Agent最先失去的能力,往往不是推理,而是”找对技能”的能力——它知道自己要做什么,却拿不到那套能把任务跑通的完整组合。
在技能图出现之前,业界处理海量技能库主要依赖两种传统策略,它们各自存在难以回避的缺陷。
这是最直接的处理方式:把整个技能库的说明文本全部提取出来,直接塞进大语言模型的上下文窗口。
为了缓解上下文过长,业界普遍引入基于稠密向量(Dense Retrieval)的检索方案:用嵌入模型(Embedding Model)把任务查询和每个技能都编码成向量,再召回语义上最相似的前K个技能。
技能图的价值,正是补上这两块缺口:用图结构约束上下文规模(不再全量加载),用依赖边补齐执行链条(不再只靠语义相似度)。
理解技能图,可以把它拆成三个关键部分:
这三部分缺一不可:只有节点没有边,就退化回普通清单;只有边没有检索策略,图规模一大就无法高效定位。
技能图的运行大致分为离线与在线两个阶段。
离线阶段——建图:遍历技能库,解析每个技能的输入输出契约与前置条件,识别技能间的调用与依赖关系,将其固化为一张带权有向图。依赖关系越准确,后续检索质量越高。
在线阶段——检索与补齐:Agent接到任务后,先做初步定位(可以结合语义匹配找到入口技能),再沿着依赖边做”闭包扩展”,把跑通任务所必需的解析器、转换器、预处理器一并纳入,最终得到一套可直接执行的技能组合。
可以用伪代码表达这一思路:
def find_executable_skill_set(task, skill_graph):# 1. 语义定位入口技能(找到与任务相关的顶层求解器)entry_skills = semantic_locate(task, skill_graph)selected = set()# 2. 沿依赖边做闭包扩展,补齐所有前置技能for skill in entry_skills:for dep in skill_graph.closure(skill): # 依赖闭包selected.add(dep)# 3. 去冗余、裁剪无关分支,控制组合规模executable_set = prune_and_dedup(selected)return executable_set # 规模小、依赖全、可执行
关键区别在于第2步:它不只按”像不像”来找,而是按”跑不跑得通”来补齐整条依赖链。
技能图(Graph of Skills)的本质,是把”技能检索”从单纯找相似的技能,升级为寻找一套依赖完整、可直接执行的技能组合。它通过图结构同时缓解了”上下文过载”和”先决条件鸿沟”两大痛点,让Agent在技能库规模足够大时,依然能够一次找对那套真正能跑通任务的技能。它的适用边界也很清晰:技能越多、依赖链越复杂、执行环节越长,技能图的价值越明显;而当技能数量很少、依赖简单时,普通检索方式依然够用。