正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
这篇论文关注SKILL.state相关问题：当智能体依赖技能、记忆、工具和运行时控制时，模型外部系统怎样影响最终能力。
核心方法
SKILL.state 用显式可变执行状态替代不断增长的对话历史。每一步只给模型不可变技能规范、当前结构化状态和最新观察，中间推理立即丢弃，从而降低长程技能执行的延迟和上下文污染风险。
实验结论
- 将技能执行从追加式聊天历史迁移到结构化状态机。
- 适合与同批推荐中的 Agent Skills、Harness 和长期记忆论文交叉比较。
局限性与证据边界
- 已按 arXiv 元数据和摘要整理，推荐文案为中文编辑摘要。
适合谁阅读
追踪 Agent Skills 与 Harness 研究比较模型外状态的收益和风险设计长期智能体系统Agent SkillsAgent Harness
可核验的原论文来源和作者
- 作者
- Sanket Badhe, Priyanka Tiwari, Jonghyun Chung
- 来源
- arXiv
- 论文 ID
- 2608.26263