现有的 Agent 技能库就像一个没有目录的文件柜——你往里面塞了很多技能，用的时候只能靠语义相似度去翻。翻出来的技能有没有先后顺序？谁是谁的前置条件？没人知道。
中科大和阿里巴巴团队提出了 SkillGraph，把文件柜变成了一张有方向的地图：技能之间谁依赖谁、谁增强谁、谁经常一起出现，都标得清清楚楚。更关键的是，这张地图会随着 Agent 训练自动长出新路、砍掉死路。
结果？7B 开源模型在 ALFWorld 上碾压 GPT-4o 42.6 分。
扁平技能库的两个致命伤
当前主流的 Agent 技能管理方式，不管是 Voyager、ExpeL 还是 SkillRL，本质上都是一个扁平列表。存技能的时候只记内容和分类，检索的时候只看语义相似度。这带来两个问题：
第一，检索不组合。复杂任务需要按顺序执行多个技能。比如 ALFWorld 里的"加热并放置"任务，你得先找到物品、再拿起来、再加热、再放到目标位置。扁平检索可以返回一堆相关技能，但没法告诉你先做哪个后做哪个。
第二，维护没结构。技能存多了就乱：冗余的技能挤占 context，过粗的技能覆盖不了细分场景，过时的技能拖低成功率。但系统没有结构性线索来判断什么时候该合并、拆分还是淘汰。
根源在于：技能之间的依赖关系本身就是知识，而扁平库把这种知识丢了。
SkillGraph 的结构
SkillGraph 的核心思路很简单：把技能组织成有向图，节点是技能，边是关系。但关键不只是建图，而是让这张图和 Agent 策略一起进化，形成闭环。
图构建：三种关系，一开始就说清
从 Agent 的交互轨迹里蒸馏出两类技能：通用技能（跨任务可用的推理策略）和任务特定技能（某类任务的专有策略）。然后建三种边：
- Prerequisite（前置依赖）：技能 A 必须在技能 B 之前执行。比如"找到物品"是"拿起物品"的前置。
- Enhance（增强）：通用技能 A 能让任务特定技能 B 效果更好。比如"验证每个子目标"能增强"检查微波炉"的效果。
- Co-occur（共现）：两个技能经常在成功的轨迹里一起出现。
每条边有权重，初始根据结构先验设定，后面训练中动态调整。每个节点记录使用次数、成功次数和经验成功率。
图感知检索：不是一堆卡片，是一条路径
这才是 SkillGraph 和扁平库的本质区别。给定一个新任务：
- 选种子：从当前激活的技能里，选出通用技能 + 匹配任务类型的技能作为起点。
- 向后扩展：沿前置依赖边做 BFS，找回种子依赖但可能属于其他类别的基础技能。
- 向前扩展：沿出边做 beam search，找到种子可能引导的后续技能。
- 拓扑排序：把扩展出来的技能按依赖关系排序，输出一条从简到繁的技能执行路径。
Agent 拿到的不是"这几个技能可能有用"，而是"先做 A、再做 B、然后做 C"。这个区别在多步骤任务上是决定性的——消融实验证明，去掉图感知检索，ALFWorld 直接掉了 31.2 分。
图进化：节点增删改 + 边的强化与修剪
静态的图跟不上不断进步的策略。SkillGraph 在每次验证步执行图进化：
节点层面：
- 插入：Agent 在现有技能覆盖不到的任务上失败 → 教师模型分析失败轨迹，生成新技能
- 合并：两个技能的图邻居高度重叠（Jaccard ≥ 0.85）→ 大概率是冗余，合二为一
- 拆分：一个技能使用多但成功率中等（15%-40%）→ 可能过粗，拆成更聚焦的子技能
- 淘汰：使用多但成功率极低（< 15%）→ 废弃，不再检索
边层面：
- 路径强化：成功轨迹经过的边权重增加，验证过的依赖路径更容易被未来检索到
- 共现发现：两个技能在同一成功轨迹里出现但还没连边 → 加一条 co-occur 边
- 衰减修剪：所有边权重的衰减因子 γ=0.99，低于阈值的边直接删掉。旧关系不会永远赖着不走
渐进解锁：这是个巧妙的设计。一开始只有 level-0（没有前置依赖的基础技能）是激活的。当第 L 层技能的平均成功率超过 60%，才解锁第 L+1 层。Agent 先学走路再学跑步，高级技能不会在基础没打牢时出来添乱。
闭环训练
策略用 GRPO 优化，技能图在每个验证步进化。更好的策略产生更丰富的轨迹 → 轨迹驱动图进化 → 更好的图提供更精准的技能路径 → 加速策略学习。数据验证了这个闭环：SkillGraph 大约 50 步训练后就超越 SkillRL，而且 prompt 更短——因为图遍历只返回拓扑相关的技能，不是所有语义相似的条目。
实验
ALFWorld（家居操作）
| 方法 | 整体成功率 |
|---|---|
| GPT-4o | 48.0% |
| Gemini-2.5-Pro | 60.3% |
| GRPO（无技能） | 77.6% |
| SkillRL（扁平技能库） | 89.9% |
| SkillGraph | 90.6% |
Clean 和 Heat 子任务都达到 100%——这两个任务恰好是最需要按严格顺序执行前置动作的。7B 模型比 GPT-4o 高 42.6 分，比 Gemini-2.5-Pro 高 30.3 分。
WebShop（网页购物）
| 方法 | 得分 | 成功率 |
|---|---|---|
| SkillRL | 85.2 | 72.7% |
| SkillGraph | 91.5 | 84.4% |
比 SkillRL 高 11.7 分。WebShop 的任务顺序相对灵活，所以图进化（保持高质量技能集）比检索排序更重要——去掉图进化掉 14.1 分，去掉图结构掉 11.7 分。
搜索增强 QA
只在 NQ 和 HotpotQA 上训练，零样本泛化到 5 个没见过的数据集，平均 48.9 分，所有方法最高。
消融实验的关键发现
- ALFWorld：图感知检索最关键（-31.2），因为任务需要严格的技能顺序
- WebShop：图进化最关键（-14.1），因为任务需要持续维护高质量技能集
- 冷启动 SFT：两个场景都是基础（-17.2），没有好的初始化 RL 收敛不了
小扬总结
SkillGraph 目前依赖强教师模型（o3）做技能蒸馏和图操作，推理成本不低。技能图也只在单环境内构建和进化，跨环境迁移还没验证。但核心洞察已经清晰：技能之间的依赖关系是可以自动发现和进化的知识，把它显式表达出来，比让模型在扁平列表里自己猜要高效得多。
从"存技能"到"组织技能"，这可能是 Agent 经验管理从量变到质变的关键一步。
学AI大模型的正确顺序，千万不要搞错了
🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！
有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！
就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋
📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇
学习路线:
✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经
以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！
我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～
