小节四:Skill 怎么动态加载——不要让模型“想加载什么就加载什么”,要有 Selector 与预算

假设 Skill 目录里已经有 Python 调试、Flask 项目和数据分析等多个能力,下一步就不是“全部读进来”,而是先根据用户任务选出相关项。这张图把选择过程拆成了几步,也把预算放到了合适的位置。

图片[1]-小节四:Skill 怎么动态加载——不要让模型“想加载什么就加载什么”,要有 Selector 与预算-大赛人网

例如只做销售数据分析时,先选与分析有关的 Skill 就够了;是否还需要 SQL 或 Python 调试说明,要看任务本身,而不是看目录里有没有。max_skills 约束的是一次激活的数量,选择记录进入 Trace 后,后续也更容易检查到底加载了什么。

现在最关键的问题来了:

什么时候加载哪个 Skill?

最简单:

用户任务
→ Skill Selector
→ 选出相关 Skills

比如:

“pytest 报 ImportError”

选择:

python-debug

如果:

“Flask 项目升级后 pytest 失败”

选择:

flask-project
python-debug

如果:

“分析昨天广告收入下降”

选择:

data-analysis

一个简单 Selector

这只是教学版。

为什么要 max_skills?

因为如果 Selector 一口气加载:

12 个 Skill

又回到:

Prompt 无限增长。

所以 Skill 也要有预算。

比如:

MAX_ACTIVE_SKILLS = 3

Skill 是否可以在运行中切换?

当然可以。

例如任务一开始:

python-debug

后来发现:

问题其实来自 Flask app factory

可以动态加入:

flask-project

再把完全不相关 Skill 移除。

这和:

Dynamic Context

非常契合。

是否让 LLM 自己选择 Skill?

可以。

例如给模型:

[
  {
    "name": "python-debug",
    "description": "用于 Python 错误定位和 pytest 失败"
  },
  {
    "name": "flask-project",
    "description": "用于 Flask 项目结构、配置和路由"
  }
]

让它返回:

{
  "skills": [
    "python-debug",
    "flask-project"
  ]
}

但系统仍要:

校验名称
限制数量
限制权限

和 Tool Calling 一样。

模型只能选择:

Registry 中存在的 Skill。

Skill Selection 也应该进 Trace

记录:

为什么加载
加载了哪些
什么时候卸载

以后你才能分析:

是不是加载了错误 Skill?
某个 Skill 是否提升成功率?

这会进入 Agent Evaluation。

© 版权声明
THE END
喜欢就支持一下吧
点赞11 分享
评论 抢沙发
头像-大赛人网
欢迎您留下宝贵的见解!
提交
头像-大赛人网

昵称

取消
昵称

    请登录后查看评论内容