🤖 AI

SkillDAG: Self-Evolving Typed Skill Graphs for LLM Skill Selection at Scale

SkillDAG 引入了一种自进化的、类型化的有向图框架，使 LLM 智能体能够在执行过程中动态检索并对技能间的关系进行结构化推理，通过积累基于执行的知识并在技能库规模扩大时保持稳健的候选排序，在复杂任务环境中显著超越了现有基准。

原作者： Tong Bai, Zhenglin Wan, Pengfei Zhou, Xingrui Yu, Wangbo Zhao, Yang You, Ivor W. Tsang

发布于 2026-06-03

📖 1 分钟阅读☕ 轻松阅读

原作者： Tong Bai, Zhenglin Wan, Pengfei Zhou, Xingrui Yu, Wangbo Zhao, Yang You, Ivor W. Tsang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在雇佣一支由专业人员（技能）组成的庞大团队，来帮助一个机器人解决复杂的谜题。过去，当你的团队规模较小时，你只需要阅读每个人的简历并挑选出合适的人选即可。但现在，想象一下你的团队已经增长到了数千人。

如果你试图同时阅读所有人的简历，你会耗尽时间和空间。如果你只是让计算机寻找与任务“最相似”的简历，你可能会错过那个你真正需要的人，因为他们的简历看起来并不像这项任务，尽管他们对完成任务至关重要。

SkillDAG 是一个旨在为 AI 智能体（AI agents）解决这种“员工过多”问题的全新系统。以下是它的工作原理，使用简单的类比进行说明：

1. 问题所在：“扁平”列表 vs. “地图”

目前的 AI 系统通常将技能视为一个扁平的名称列表。如果你要求一个“烹饪技能”，系统会找到“烹饪”这个词。但它可能会忽略你也需要“切菜技能”（一个前提条件），或者你不应该同时使用“烹饪”和“冷冻”（一个冲突）。

旧方式： 这就像仅使用街道名称列表来导航城市。你知道目的地，但你不知道哪些街道通向那里，哪些是死胡同，或者哪些是单行道。
SkillDAG 方式： 它构建了一张活的地图（一个图/graph），其中每个技能都是一个街区，而它们之间的连接则是标注清晰的道路。有些路标写着“你必须经过这里才能到达那里”（前提条件），有些标着“这是一个捷径”（专业化），还有些标着“不要走这里”（冲突）。

2. 创新点：智能体持有地图

在之前的系统中，是一个固定的计算机程序根据地图决定加载哪些技能，而 AI 智能体只是接收一个预先打包好的列表。智能体无法询问：“为什么选这个？”或者“我能增加一条新路吗？”

SkillDAG 颠覆了这一点。

智能体是导航员： AI 智能体本身被赋予了这张地图。它可以查看连接关系，提出问题，并决定加载哪些技能。
“搜索”工具： 智能体不仅仅是得到一份名字清单，它会询问地图：“谁离这个任务很近？”（匹配）、“谁与他们相连？”（邻居）以及“我应该避开谁？”（冲突）。这给了智能体三种不同类型的线索，以做出明智的决策。

3. “自我进化”部分：绘制新路

地图在开始时并不完美。它是通过“冷启动”（阅读简历）构建的，但它会遗漏那些只有在机器人实际执行工作时才会发生的情况。

“提议与提交”协议： 如果智能体尝试一项任务并意识到：“嘿，在执行技能 B 之前，我需要先用技能 A”，它可以向地图提议建立连接 A 和 B 的一条新路。
安全护栏： 在绘制新路之前，系统会检查三条规则：
1. 无环路： 你不能创建一个循环，即 A 需要 B，同时 B 又需要 A（这会困住智能体）。
2. 无矛盾： 你不能画一条路说“走这里”，同时又画另一条路说“别去这里”。
3. 撤销按钮： 如果智能体犯了错误，系统会保留日志，以便稍后擦除这条路。

这意味着每当智能体解决一个谜题时，地图都会变得更聪明、更详细，从自身的经验中学习。

4. 结果：更聪明、更快速

论文在两种类型的挑战上测试了该系统：

ALFWorld（虚拟房屋）： 智能体需要在房子里移动物体。
SkillsBench（编程任务）： 智能体需要编写代码来解决问题。

最终结果：

更高的成功率： SkillDAG 智能体比以往最好的方法解决了更多的谜题。在工具库非常庞大的情况下，它在挑选正确工具方面表现尤为出色。
更好的记忆力： 即使当技能数量增加 10 倍时，SkillDAG 智能体也不会感到混乱。它能持续找到正确的技能，而其他方法则会开始失效。
内在提升： 该系统不仅仅是运气好，它实际上更频繁地检索到了正确的“地面真值”（ground truth）技能，证明了地图结构的有效性。

总结类比

可以将 SkillDAG 想象成给 AI 智能体提供了一个会自动更新的 GPS。

旧系统： 你给智能体一张静态的纸质地图。如果道路发生变化或有了新的捷径，智能体就会被困在旧地图上。
SkillDAG： 智能体拿着一个数字 GPS。它可以查看交通状况（冲突）、连接关系（依赖）以及路径，并且在行驶过程中，它会为未来的行程绘制新的捷径。智能体决定去哪里，将地图作为一种工具，而不是将其作为规则。

论文声称，这种方法使 AI 智能体能够更好地从海量库中选择合适的工具，从而提高复杂任务的成功率。

技术摘要：SkillDAG

1. 问题陈述

随着大语言模型（LLM）智能体采用广泛的外部技能库，瓶颈已从技能编写转向了技能选择。当库规模扩展到数千个条目时，传统的检索方法无法捕捉技能之间复杂的结构化关系。

扁平化检索的局限性： 标准方法（如 top- $K$ 余弦相似度或 BM25）将技能视为独立的向量。这会导致“沉默失败”，即结构上必要的先验技能被遗漏，冗余或冲突的技能被选中，以及协同对（synergistic pairs）被错过。
静态图的局限性： 先前的研究如 Graph of Skills (GoS) 虽然建立了技能间的关系模型，但依赖于固定的、离线的检索流水线（例如个性化 PageRank）。由此生成的技能包对智能体而言是不透明的；LLM 无法查询图结构，无法推理为何选择某个技能，也无法撤回检索到的噪声，或在执行过程中记录新发现的关系。

核心问题在于，目前的系统将库的关联结构对智能体隐藏，阻碍了 LLM 在推理过程中做出明智的结构化决策。

2. 方法论：SkillDAG

SkillDAG 提出了一个根本性的反转：与其将图嵌入到一个固定的排序算法中，不如将类型化技能关系图作为一个智能体可调用的结构化检索接口暴露出来。该图在执行期间由 LLM 进行查询、检查和演化。

2.1. 类型化技能关系图

技能库被建模为一个有向图 $G = (V, E, \tau)$ ，其中边被分配为五种操作类型之一：

depends_on（依赖于）：技能 $A$ 需要先验技能 $B$ 。
specializes（特化于）：技能 $D$ 是技能 $A$ 的一个更窄、更优的变体。
composes_with（协同使用）：技能 $A$ 和 $B$ 具有协同效应。
similar_to（类似于）：功能冗余；智能体应择其一，而非两者皆选。
conflicts_with（冲突于）：技能 $A$ 和 $B$ 不应同时被选中（剪枝信号）。

关键设计选择： conflicts_with 被视为一种剪枝信号，而非遍历边，以防止智能体导航向它被明确告知要避免的技能。骨干结构（depends_on、specializes）被约束为无环的。

2.2. 智能体可调用接口

智能体通过一个 search 函数与图进行交互，该函数返回三个不同的证据通道，而非单一的排序包：

匹配项 (Matches)：基于查询节点嵌入相似度的 Top- $K$ 技能。
邻居 (Neighbors)：通过在四种“正向”边类型（depends_on、specializes、composes_with、similar_to）上进行有界 BFS 遍历（深度 $D$ ）到达的技能。
冲突项 (Conflicts)：与任何匹配项相连的一跳 conflicts_with 边。

这种分解允许智能体在上下文预算紧张时丢弃特定字段，动态调度搜索，并为选择/排除决策维护推理轨迹。

2.3. 冷启动构建

为了在任何智能体执行前初始化图，采用了双视图嵌入策略，以恢复单视图相似度会遗漏的跨功能对：

$e_{self}$ ：嵌入技能的标识符、描述和主体（它做什么）。
$e_{needs}$ ：LLM 根据想象的调用任务生成一个 HyDE 式的摘要，描述该技能需要什么（先验条件），然后对其进行嵌入。

如果任一排名超过自适应阈值，则形成候选对，随后由 LLM 对进行分类器以分配边类型。conflicts_with 在此静态阶段被排除在外，因为它需要执行证据。

2.4. 在线图演化

SkillDAG 引入了一个**“提议后提交”**协议来进行在线图更新：

propose-edge（提议边）：一个试运行过程，智能体预览潜在的边变更并查看该技能对现有的历史记录。
edit-edge（编辑边）：智能体提交变更，并附带自然语言理由和执行轨迹。

结构不变性： 为了防止不一致，每次提交必须通过三项检查：

无环性 (Acyclicity)：防止在 depends_on/specializes 骨干结构中出现循环。
非矛盾性 (Non-contradiction)：防止一对技能同时拥有正向边（如 depends_on）和 conflicts_with 边。
可逆性 (Reversibility)：追加式历史日志支持回滚错误的编辑。

3. 核心贡献

识别结构化失效模式：本文识别出扁平化检索会默默遗漏结构上必要的技能，并拼接冗余的技能，这种失败仅靠相似度匹配是无法察觉的。
智能体可调用接口：SkillDAG 通过 search/show/propose-edge/edit-edge 暴露类型化关系图，取代了固定的排序策略，转而提供智能体可以直接进行推理的结构化证据。
在线演化协议：一种机制，允许智能体在严格的结构不变性下，根据单次迭代的证据来增长图结构，并配有用于恢复跨功能对的双视图冷启动构造器。
实证验证：在不同模型底座上，在 ALFWorld 和 SkillsBench 上展示了性能提升。

4. 实验结果

实验在 ALFWorld（文本驱动的具身环境）和 SkillsBench（容器化代码生成任务）上进行，使用了 MiniMax-M2.7 和 gpt-5.2-codex。

性能增益 (MiniMax-M2.7)：
- ALFWorld：成功率从 54.3%（GoS 基准）提升至 67.1%（+12.8 个百分点）。
- SkillsBench：奖励值从 18.7% 提升至 27.3%（+8.6 个百分点）。
- 内在检索 (Intrinsic Retrieval)：SkillsBench 上的 Ret@K 从 65.5% 上升至 78.2%，表明检索流水线本身在执行前更加准确。
性能增益 (gpt-5.2-codex)：
- SkillDAG 在 ALFWorld 上与 GoS 基准持平（93.6%），并在 SkillsBench 上有所提升（34.4% $\to$ 36.8%）。
- 文中指出，“路由辅助”特征在底座模型无法处理糟糕的技能包时最为显著，而一旦底座模型足够强大到能处理不透明的技能包时，该特征便会消失。
可扩展性：随着技能池扩大 10 倍（从 200 增加到 2000 个技能），SkillDAG 的检索质量保持稳定（Ret@K $\approx$ 78.2%），而 GoS 基准则显著下降。
编辑持久性：在训练期间提交的在线编辑有效地转移到了留存测试集中，且编辑后的图在查询时能检索到更多地面真值（ground-truth）技能，且不会驱逐先前的命中项（满足集合单调性属性）。

5. 重要性与主张

本文声称，SkillDAG 验证了这样一个假设：图结构作为路由决策的接口效果最好，而不是作为一种不透明的策略。

设计反转：通过将图作为智能体可调用的接口而非固定检索器的底层，该系统允许 LLM 决定结构化证据如何影响执行。
鲁棒性：该方法隔离了检索流水线的增益，证明了在库规模扩大时，类型化图检索优于扩散式排序（PPR），且无需依赖智能体的执行来修复损坏的检索系统。
自我演化：系统允许基于执行证据对技能结构进行精确且可审计的更新，使图能够在多次迭代中积累知识，而无需人工干预。

作者承认了关于单次观察自我演化的长程行为方面的局限性，指出虽然聚合编辑效应是正向的，但此类演化在极长周期内的稳定性仍是未来研究的一个开放课题。