InsightXiv 专题 返回 Feed
Research Topic 04 · Agent Skills

Agent Skills：是什么、怎么用、怎样改进

研究综合

专题摘要

纳入 48 篇

Agent Skill 是供智能体执行特定任务时调用的可复用任务模块，通常包含操作说明、脚本、模板和适用条件。以表格处理为例，它会明确何时调用电子表格工具、按什么步骤完成操作，以及如何检查结果。Agent Skill 不修改模型参数，而是在任务执行时按需加载，为智能体补充特定任务所需的流程和资源。

图 1 / 3Agent Skill 的结构图中给出了五类组成，以及它在任务执行时被按需加载的方式。 点击可查看大图。
48篇精选论文 16篇核心精读 6个阅读阶段 2023–2026研究跨度

建议读法：先了解 Skill 是什么和公开生态，再看它怎样从执行记录中生成；接着研究如何选对、组合和执行；然后看效果评测与安全风险，最后再读自动改进。16 篇核心精读适合顺读，32 篇扩展论文可按问题查阅。任何自动更新都应先经过独立测试，并保留版本和回滚。

专题图解接着上方图 1，按图 2 → 图 3 顺序阅读
图 2 / 3六阶段研究路径这张图对应下方论文的阅读顺序：先定义，再生成和选用，随后评测、安全检查与持续改进。 点击可查看大图。
图 3 / 3受控更新流程未通过测试：拒绝发布并修改；发布后监测到退化：回滚上一版本。两条处理路径相互独立。 点击可查看大图。

从基本概念到自动改进

当前展示 48 篇：16 篇核心精读，32 篇扩展图谱

01
READING STAGE 01

先认识 Agent Skills

先弄清 Agent Skill 是什么、通常包含哪些文件，以及公开技能库现在有多大、质量如何。

8 篇
arXiv 2023 定义与生态

Voyager: An Open-Ended Embodied Agent with Large Language Models

Guanzhi Wang、Yuqi Xie、Yunfan Jiang 等 · arXiv / 开源项目

Voyager 在 Minecraft 中把验证过的复杂行为存成可执行代码库，按新任务检索和组合，靠自动课程探索、环境反馈和自验证迭代程序。它展示了不更新模型权重也能持续积累和复用技能的早期完整系统。

核心精读 相似论文
查看论文
arXiv 2026 定义与生态

SkillCorpus: Consolidating and Evaluating the Open Skill Ecosystem for Real-World LLM Agents

Yanze Wang、Pengfei Yao、Tianyi Sun 等 · arXiv 预印本

SkillCorpus 从约 82.1 万条公开技能中去重过滤得到 96,401 条，按 16 类任务和效用、稳健性、安全三项维度组织。实验显示检索技能库能改善真实任务，但收益受语料覆盖和执行环境限制。

核心精读 相似论文
查看论文
arXiv 2026 定义与生态

Skillware: A Software Ontology and Engineering Lifecycle for Persistent Behavioral Artifacts

Haodi Fan、Zucong Lan · arXiv 预印本

Skillware 把 Agent Skill 定义为持久化的行为单元：Skill Artifact 描述任务行为，Skillware Unit 管理版本与更新，Agent Host 负责运行时激活。论文用行为优先、独立身份和宿主执行三项条件区分它与提示词或工具。

核心精读 相似论文
查看论文
arXiv 2026 定义与生态

What Keeps Agent Skills from Being Reusable? Evidence from 138K SKILL.md Files

Chi Zhang、Yimin Liu、Xinze Chen、Ping Ji · arXiv 预印本

论文审计 138,133 个公开 SKILL.md，发现 91.8% 至少有一种缺陷，主要是路由信息薄弱、正文臃肿或不可执行、资源组织差，而非复杂攻击。规范生成、自动检查和修复可改善可复用性。

扩展图谱 相似论文
查看论文
arXiv 2026 定义与生态

Demystifying Agent Skills: Why They Work-Until They Don't

Zhiyuan Jiang、Fangrui Huang、Hanwen Xing 等 · arXiv 预印本

论文在多个基准和模型上整理 8,135 条试验记录，提出 12 种技能使用模式。结果显示技能主要靠固定执行流程来稳定行动，而非注入新知识；技能池变大或上下文不兼容时，检索和适配会独立导致失败。

核心精读 相似论文
查看论文
02
READING STAGE 02

技能怎么产生

研究怎样从探索记录、长期记忆和执行反馈中总结出可复用的方法，并写成文档、代码或参数。

8 篇
arXiv 2025 发现与生成

SkillWeaver: Web Agents can Self-Improve by Discovering and Honing Skills

Boyuan Zheng、Michael Y. Fatemi、Xiaolong Jin 等 · arXiv 预印本

SkillWeaver 让网页智能体探索陌生网站、发现可复用交互模式，再通过反复练习把经验提炼成轻量 API。技能库随探索扩展，并可从强智能体迁移给弱智能体，实现不更新权重的自我改进。

核心精读 相似论文
查看论文
arXiv 2026 发现与生成

Automating SKILL.md Generation for Computer-Using Agents via Interaction Trajectory Mining

Yuexing Hao、Xiaomin Li · arXiv 预印本

这项研究把 GUI 交互记录切分、聚类成候选技能，再训练感知技能的策略。五个聚类在源任务上纯度不低于 0.95，但下游准确率只从 18.5% 提至 20.5%，跨域几乎无改善，说明可读结构不等于可迁移能力。

核心精读 相似论文
查看论文
arXiv 2026 发现与生成

From Memory to Skills: Evidence-Grounded Co-Evolution Governance for Long-Horizon LLM Agents

Bo Tang、Yang Zhang、Guomian Zhuang 等 · arXiv 预印本

MSCE 把很长的执行记录分成具体步骤、可复用方法和环境信息，只把确实带来提升、并写清适用范围与检查方法的策略保存成技能。这样，智能体不会把每段历史记录都误当成以后应该照做的规则。

扩展图谱 相似论文
查看论文
arXiv 2026 发现与生成

Agent Skills Matter: Inferring Proprietary Skills from Execution Trajectories

Jianing Geng、Ruiqi He、Zekun Fei 等 · arXiv 预印本

论文把云端智能体的执行记录当作能力泄露面，研究能否从输入、动作、工具调用和结果中反推出未公开的技能。这把技能获取从自有经验扩展到行为重建，也暴露了商业技能的知识产权风险。

扩展图谱 相似论文
查看论文
arXiv 2026 发现与生成

SkillSmith: Learning to Compose Parametric Skills and Textual Knowledge

Lucio M. Dery、Benedict Aaron Tjandra、Siavash Samiei 等 · arXiv 预印本

SkillSmith 把 prefix-tuning（一种只微调模型前缀参数的方法）权重视为新输入，让模型同时读取参数化技能与文本说明，一次生成目标前缀，尝试组合自然语言知识和权重空间能力。

扩展图谱 相似论文
查看论文
arXiv 2026 发现与生成

Progressive Agent Skill Generation via Reinforcement Learning

Junhao Shen、Zhanqiu Zhang、Yiwen Guo、Hong Cheng · arXiv 预印本

这项研究把技能生成改成渐进式强化学习任务，让生成器从任务说明、执行记录和反馈中学习写草稿、验证和继续修改。目标是用同一套训练方法处理不同来源的经验，减少为每类任务单独设计流程的工作。

扩展图谱 相似论文
查看论文
arXiv 2026 发现与生成

TRUSS: Towards Task-Reliable and User-Safe Automated Agent Skill Generation

Zhibo Zhang、Zhen Ouyang、Ling Shi、Kailong Wang · arXiv 预印本

TRUSS 把自动技能生成的目标从任务成功扩展为可靠性与安全双约束，要求同时产出程序指导、可执行资源和安全边界，并用执行测试与风险检查过滤表面有效但不可信的技能。

扩展图谱 相似论文
查看论文
03
READING STAGE 03

技能怎么找到和配合

技能库变大后，智能体怎样选对技能、把多个技能按顺序接起来，并在执行中及时发现错误。

8 篇
arXiv 2026 检索与组合

OpenClaw-Skill: Collective Skill Tree Search for Agentic Large Language Models

Tianyi Lin、Chuanyu Sun、Jingyi Zhang 等 · arXiv 预印本

让多个模型共同生成候选技能节点，再从质量和跨模型迁移性两方面集体评分，构造出一棵技能树。该树同时用于生成训练数据和强化学习中的多技能选择，避免智能体只依赖单一或次优技能。

核心精读 相似论文
查看论文
arXiv 2026 检索与组合

SkillSight: Seeing Through Shared Descriptions for Accurate Skill Retrieval

Jinying Xiao、Bin Ji、Shasha Li 等 · arXiv 预印本

很多技能的名称和简介很像，但实际步骤不同，智能体很容易选错。SkillSight 不只看标题，还比较技能正文、所需工具和操作限制，用这些更具体的信息提高相似技能之间的检索准确率。

扩展图谱 相似论文
查看论文
arXiv 2026 检索与组合

SkillTrace: Traversing a Query-Skill Graph for Composable LLM Agents

Yue Yao、Shengyuan Wang、Xin Chen 等 · arXiv 预印本

SkillTrace 把复杂请求和技能库连成一张查询—技能关系图，不再只找单个相关技能，而是沿依赖关系寻找一组技能。它重点解决复杂任务需要多个技能覆盖不同子目标、并按正确顺序执行的问题。

扩展图谱 相似论文
查看论文
arXiv 2026 检索与组合

Comparative Approaches to Agent Retrieval over Large Skill Libraries

Indivara Kolluru、Nathan Sportsman · arXiv 预印本

论文比较三种大规模技能检索方法：一次加载全部技能、独立向量检索，以及带结构的多步选择。比较内容包括占用多少上下文、能否选对技能和能否排对执行顺序，说明技能库变大后不能只看检索准确率。

扩展图谱 相似论文
查看论文
arXiv 2026 检索与组合

SkillSentry: Reliable Skill Execution for LLM Agents via Runtime Assurance

You Lu、Xinyu Huang、Bihuan Chen、Xin Peng · arXiv 预印本

SkillSentry 在多步技能执行中增加检查层：关键动作前核对前置条件、工具调用和当前状态，执行后再检查结果与限制。它要解决的是技能虽然选对了，却因中途偏离流程而没有被发现的问题。

扩展图谱 相似论文
查看论文
04
READING STAGE 04

怎么判断技能有没有用

分别检查技能本身写得好不好、智能体有没有正确使用，以及加入技能后是否反而变慢或更容易出错。

8 篇
arXiv 2026 效果评测

AEVAL: From Anecdotal to Deterministic Testing for Agentic Skill Workflows

Tejas Singh Anand、Yuet Ying Christina Wang、Wanting Jiang 等 · ICML 2026 Workshop

AEVAL 把过去“让智能体试一下”的演示式检查，改成代码变更后自动运行的持续集成（CI）测试。每个技能先声明评测规则，执行和评分分开，并记录智能体是否在测试中自我修正，避免它一边改答案一边给自己判通过。

核心精读 相似论文
查看论文
arXiv 2026 效果评测

The Regression Tax: Decomposing Why Skills Help and Hurt LLM Agents

Darshan Tank、Baran Nama · arXiv 预印本

用近6,000次运行统计技能带来的新增成功与能力回退，发现好技能的关键往往不是多解决了多少任务，而是更少破坏原本能做的任务。三类回退来自描述渗透、输入落地（grounding）被流程替代、验证步骤被抑制。

核心精读 相似论文
查看论文
arXiv 2026 效果评测

Skill-Use: Can LLMs Actually Use Skills in Agentic Harnesses?

Jinyi Han、Yuanjian Xu、Ying Liao 等 · arXiv 预印本

先只给智能体技能名称和短描述，要求它自行检索完整流程，再分别评估触发（Trigger）、遵循（Compliance）与边界（Boundary）。79个技能、177个任务、8个模型和2套运行框架的结果显示，最强配置得分仅0.613，且模型排名随框架改变。

核心精读 相似论文
查看论文
arXiv 2026 效果评测

SkillTV-Bench: Benchmarking How Well Judges Perform on Skill-Augmented Agentic Execution

Zhi Han、Chenxi Zeng、Liuhaichen Yang 等 · arXiv 预印本

把评测对象从最终回答扩展到完整执行轨迹，专门检查不同评判模型能否识别工具误用、步骤跳过、边界违反和表面成功，从而评估这些评判模型作为技能优化奖励信号是否可靠。

扩展图谱 相似论文
查看论文
arXiv 2026 效果评测

SkillEval: Decomposing Agent Skill Quality into Interpretable Signals

Jiahui Han、Qinuo Li、Ziheng Peng 等 · arXiv 预印本

不只看下游任务是否成功，而是从受控的正负技能对中学习文档质量属性的方向，把新技能投影成可解释分数，并显式降低长度与格式等无关特征的影响，可用于提前诊断技能弱点并指导修改。

核心精读 相似论文
查看论文
arXiv 2026 效果评测

Agent Skills Can Be Harmful: An Empirical Study of Skill-Induced Failures in LLM Agents

Gen Dong、Yanjie Gao、Liqun Li 等 · arXiv 预印本

用有技能与无技能（或语义不匹配技能）的配对运行，归因307个技能诱发的失败案例，涵盖功能错误和效率回退。结果显示看似相关的技能仍会让智能体遗漏任务要求，过度验证和重型流程也会增加成本。

扩展图谱 相似论文
查看论文
05
READING STAGE 05

技能的安全与隐私

检查第三方技能、个人信息泄露、恶意执行记录、后门和多技能组合带来的风险。

8 篇
arXiv 2026 安全与隐私

Agent Skill Security: Threat Models, Attacks, Defenses, and Evaluation

Sanket Badhe、Priyanka Tiwari · arXiv 预印本

论文建立了覆盖技能入库、检索、选择、执行和更新全生命周期的威胁模型，并用 327 个真实技能构建了 SkillSec-Eval 评测集。研究发现安全风险不只出现在代码执行阶段，而是贯穿整个使用流程。

扩展图谱 相似论文
查看论文
arXiv 2026 安全与隐私

OpenSkillRisk: Benchmarking Agent Safety When Using Real-World Risky Third-Party Skills

Qiyuan Liu、Tingfeng Hui、Kun Zhan 等 · arXiv 预印本

OpenSkillRisk 从真实第三方技能中构造风险场景，测试智能体能否识别危险权限、拒绝越权操作并保持任务可用。研究发现智能体在安装和执行带有误导流程或不安全资源的技能时，风险识别能力有限。

扩展图谱 相似论文
查看论文
arXiv 2026 安全与隐私

When Agents Learn to Be You: Benchmarking Privacy Leakage, Impersonation Risk, and Defenses in Persona Skills

Yongli Xiang、Zhifang Zhang、Bojun Yang 等 · arXiv 预印本

论文研究将个人交互历史压缩成可携带的 Persona Skill（人设技能）后，分散的隐私信息如何被集中并支持身份模仿。基准测试同时检查敏感信息泄露、冒用风险与防御措施对个性化效果的影响。

扩展图谱 相似论文
查看论文
arXiv 2026 安全与隐私

When Self-Evolution Backfires: Pre-Commit Gating against Skill Contamination in LLM Agents

Linfang Shang、Ming Xu、Yiding Sun 等 · arXiv 预印本

论文发现技能池增长并非单调提升，新技能超过某个规模后可能污染检索与执行。Pre-Commit Gate（提交前门控）在写入持久库前比较候选技能的收益、回归和跨任务影响，只提交通过验证的更新。

扩展图谱 相似论文
查看论文
arXiv 2026 安全与隐私

ElasticBack: Stealthy Conditional Backdoor in LLM-Agent Skills via Coupled Trigger-Rule Optimization

Hao Sui、Simeng Qin、Jie Liao 等 · arXiv 预印本

ElasticBack 将触发条件与恶意规则联合优化，使技能在常规检查中表现正常，只在特定语义或状态组合出现时改变行为。这揭示了技能供应链中难以靠静态文本扫描发现的条件后门。

扩展图谱 相似论文
查看论文
arXiv 2026 安全与隐私

CompoSkill: Compositional Skill Chain Attacks from Individually Scanner-Passing LLM Agent Skills

Mingxiao Liu、Zhoumian Jiang、Jianan Ma 等 · arXiv 预印本

CompoSkill 展示多个单独通过安全扫描的技能仍可在组合后形成恶意链条，攻击依赖技能间的数据流和执行顺序。这说明按包独立认证不能保证整个技能组合的安全。

扩展图谱 相似论文
查看论文
06
READING STAGE 06

技能怎么持续改进

研究怎样根据真实执行结果修改技能，同时用测试、版本记录和回滚避免越改越差。

8 篇
arXiv 2026 持续改进

SkillOpt: Executive Strategy for Self-Evolving Agent Skills

Yifan Yang、Ziyang Gong、Weiquan Huang 等 · arXiv 预印本

SkillOpt 把技能当作可训练的外部状态，由独立优化器根据评分对技能文档执行增、删、改操作，只有在留出集上严格提升才接受更新。文本学习率、编辑缓冲区和慢速元更新把随意自改变成可复现的优化过程。

核心精读 相似论文
查看论文
arXiv 2026 持续改进

Skill Self-Play: Pushing the Frontier of LLM Capability with Co-Evolving Skills

Siyuan Huang、Pengyu Cheng、Haotian Liu 等 · arXiv 预印本

Skill Self-Play 让任务提出者、求解器和技能控制器在强化学习中共同进化：提出者生成可验证的挑战，求解器探索解法，控制器从执行反馈扩展技能库。技能成为连接任务多样性与可靠验证的中间层。

核心精读 相似论文
查看论文
arXiv 2026 持续改进

Rethinking Self-Evolving Agent Skills: Feedback Dynamics over Multiple Rounds

Yuxuan Liu、Zhaochen Su、Yuhao Zhang 等 · arXiv 预印本

受控实验固定执行器、优化器、验证规则和轮数，只改变成功或失败反馈。388 个候选中仅 55 个形成新的验证最优，说明技能进化更像稀疏、依赖验证过滤的搜索，而不是随轮数稳定上升。

扩展图谱 相似论文
查看论文
arXiv 2026 持续改进

SkillProx: Self-Evolving Agent Skills via Proximal Textual Gradient Descent

Mingxuan Zheng、Yujin Zhou、Chuxue Cao 等 · arXiv 预印本

SkillProx 把技能进化分成前向诊断更新与后向精简：前向阶段在同一批任务上重跑修改、测量结果并回滚退化，后向阶段拆成可审计的知识单元，用留一效用决定保留、降级或删除。目标不只是加内容，也要控制复杂度和污染。

核心精读 相似论文
查看论文
arXiv 2026 持续改进

Write, Execute, Refine: From Skill Followers to Skill Optimizers via Reinforcement Learning from Execution Feedback

Kang Peng、Zhiwei Zhang、Yichen Zhang 等 · arXiv 预印本

WER 将技能优化器放在执行器之外：优化器写技能，执行器多次运行，验证器评分，再把同一技能的成功与失败轨迹配对成下一阶段训练状态。这让模型从自己先前技能的真实后果中学习，而不是只在推理时临时修改。

核心精读 相似论文
查看论文
没有找到匹配的论文，试试“检索”“评测”“安全”或“持续改进”。
专题依据论文原始页面整理，收录截止 2026 年 8 月 20 日。2026 年新作多数仍是 arXiv 预印本，页面中的数值来自论文作者，不代表已经被其他团队复现。比较结果时，请检查基础模型、工具权限、任务集和评分方式是否一致。