Anything2Skill: Compiling External Knowledge into Reusable Skills for Agents
Das Papier schlägt Anything2Skill vor, ein Framework, das heterogenes externes Wissen in wiederverwendbare, strukturierte prozedurale Fähigkeiten kompiliert, die in einer SkillBank gespeichert werden und es Agenten ermöglichen, durch die Kombination von deklarativer Evidenz mit ausführbarer Domänenexpertise signifikant höhere Erfolgsraten als Standard-RAG-Ansätze zu erzielen.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie hätten einen brillanten, aber unerfahrenen Assistenten (einen KI-Agenten), der sehr gut darin ist, Bücher zu lesen und Fakten zu finden. Sie bitten ihn, eine komplexe Maschine zu reparieren, und er kann schnell das Handbuch finden, die Teileliste lesen und Ihnen sagen, woraus die Maschine besteht. So arbeiten aktuelle KI-Systeme, eine Methode, die RAG (Retrieval-Augmented Generation) genannt wird. Sie sind großartig darin, „deklarative Evidenz“ zu finden – also Fakten und Beschreibungen.
Aber hier liegt das Problem: Das Handbuch sagt dem Assistenten zwar, was ein Schraubenzieher ist, aber es sagt nicht immer klar, wie man ihn benutzt, um ein spezifisches, defektes Zahnrad in der richtigen Reihenfolge zu reparieren. Der Assistent muss das Handbuch lesen, die Schritte erraten, versuchen, es zu reparieren, scheitern, das Handbuch erneut lesen und wieder versuchen. Es ist, als würde man versuchen zu lernen, wie man ein komplexes Gericht kocht, indem man nur eine Einkaufsliste und eine Beschreibung der Zutaten liest, ohne jemals ein Rezept oder einen Koch bei der Arbeit gesehen zu haben.
ANYTHING2SKILL ist ein neues System, das genau dieses Problem lösen soll. Betrachten Sie es als einen „Skill-Compiler“ oder einen „Kochbuch-Ersteller“.
Die Kernidee: Handbücher in Rezepte verwandeln
Anstatt den KI-Agenten jedes Mal die rohen Handbücher, Protokolle und Dokumente lesen zu lassen, wenn er vor einer Aufgabe steht, nimmt ANYTHING2SKILL all diese ungeordneten Informationen und kompiliert sie in wiederverwendbare „Skills“ (Fähigkeiten).
So funktioniert es, unter Verwendung einer einfachen Analogie:
- Die Rohzutaten (Die Wissensbasis): Stellen Sie sich eine riesige Bibliothek vor, die voller verstreuter Notizen, alter Reparaturprotokolle, Chat-Transkripte und offizieller Handbücher ist. Momentan muss eine KI jedes Mal durch diese Bibliothek suchen, wenn sie etwas tun muss.
- Die Vorbereitung des Chefs (Die Extraktion): ANYTHING2SKILL agiert wie ein Meisterkoch, der all diese verstreuten Notizen liest. Es fasst sie nicht nur zusammen; es sucht nach Prozeduren. Es fragt: „Was sind die exakten Schritte, um dies zu tun? Welche Werkzeuge werden benötigt? Welche Fehler sollten vermieden werden?“
- Der Skill-Baum (Die Organisation): Das System organisiert diese Prozeduren in einem strukturierten „Skill-Baum“. Es ist wie ein Stammbaum für Aufgaben.
- Makro-Protokolle: Strategien mit dem großen Ganzen (z. B. „Wie man ein Softwareprojekt verwaltet“).
- Mikro-Skills: Spezifische, winzige Handlungen (z. B. „Wie man diesen spezifischen Befehl ausführt, um eine Datei zu löschen“).
- Sicherheitsregeln: Warnungen (z. B. „Führe niemals X aus, wenn Y passiert“).
- Die SkillBank (Die wiederverwendbare Bibliothek): Soblich die „Rezepte“ geschrieben sind, werden sie in einer permanenten, organisierten SkillBank gespeichert. Dies ist nicht einfach ein Haufen von Dokumenten, sondern eine Datenbank aus ausführbaren Anweisungen. Jeder „Skill“ hat einen Vertrag, der besagt: „Wenn du Situation X siehst, führe die Schritte A, B und C aus, aber vermeide D.“
Wie es dem KI-Agenten hilft
Wenn der KI-Agent vor einer neuen Aufgabe steht, besitzt er nun zwei Superkräfte, die zusammenwirken:
- Kraft 1: Der Bibliothekar (RAG): Er durchsucht weiterhin die ursprüngliche Bibliothek, um spezifische Fakten oder die neuesten Updates zu finden (das „Was“).
- Kraft 2: Der erfahrene Mentor (SkillBank): Er zieht einen fertigen „Skill“ aus der SkillBank. Dieser Skill sagt dem Agenten genau, wie er die Aufgabe Schritt für Schritt ausführt, basierend auf dem, was früher funktioniert hat.
Das Ergebnis:
Das Paper hat dies an zwei realen Aufgaben getestet: der Verwaltung von CSV-Datendateien (qsv) und der Verwaltung von GitHub-Repositories (GitHub-CLI).
- Ohne ANYTHING2SKILL: Die KI war wie ein kluger Student, der zum ersten Mal ein Handbuch liest. Sie erledigte etwa 65–82 % der Aufgaben korrekt.
- Mit ANYTHING2SKILL: Die KI hatte die „kompilierten Rezepte“. Sie erledigte etwa 82–92 % korrekt.
- Mit BEIDEM: Die KI hatte die Fakten und die Rezepte. Sie erledigte 98,85 % der CSV-Aufgaben und 94,10 % der GitHub-Aufgaben korrekt.
Das Wichtigste in Kürze
Das Paper behauptet, dass wir externes Wissen nicht einfach als einen Haufen von Fakten behandeln sollten, die gelesen werden müssen. Wir sollten es als Quelle für verborgene Prozeduren betrachten, die extrahiert, organisiert und in wiederverwendbare „Skills“ verwandelt werden können.
Indem wir diese latenten Prozeduren in eine SkillBank kompilieren, bewegen wir KI-Agenten von der bloßen „Zugriffnahme auf Wissen“ (das Handbuch lesen) hin zur „Wiederverwendung von Fähigkeiten“ (genau wissen, wie man den Job erledigt). Es ist der Unterschied zwischen dem Geben eines Wörterbuchs und dem Geben einer gut organisierten Bedienungsanleitung für jeden möglichen Job, den man erledigen muss.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.