Google 论文 SKILL.state：显式执行状态让长程 agent 省大量 token 还更准
rohanpaul_ai · x · 2026-08-29
Google 论文《SKILL.state: Scalable Long-Horizon Agent Skills》（arXiv:2608.26263，已被 EMNLP 接收）针对现有 agent 运行时的问题：不断把观测、动作和中间推理追加到对话历史，导致长程任务中延迟劣化和上下文污染。SKILL.state 用显式、可变的执行状态替代只增不减的对话历史。
每一步，模型只接收不可变的技能规范、当前结构化执行状态和最新观测；中间推理在产出经过校验的状态更新后立即丢弃，避免 prompt 随执行历史增长。跨多个数据集、模型和执行环境的实验显示，该方法在大幅降低累计 token 消耗的同时提升了任务准确率，证明显式执行状态是一种架构无关的可扩展长程 agent 技能抽象。
补充数据：100 步仓库任务上，Gemini-3-Flash 用 SKILL.state 得 0.94 分、65,408 token，对比 LangGraph 式基线 0.91 分、1,062,387 token，token 相差 16.2 倍。局限：后续所需信息必须能被状态 schema 完整捕获。
所属事件:Google 论文提出显式状态替代对话历史，长程 agent 省 token 更准(2 条相关)→
「编程与Agent」频道最新
- 解决 Cursor 兼容性问题：仍可通过 API 使用 GPT 模型 — VraserX · 2026-08-29
- Anthropic 揭秘：基础设施噪音可导致 Agent 编程评测偏差超 6% — giansegato · 2026-08-29
- MCP 协议爆发式增长：Vercel 工具调用三月涨 564% — jasonkneen · 2026-08-29
- 从对话到执行：X17z 演示终端自动化操作员 — Scobleizer · 2026-08-29
- Omarchy 智能体自创工具：生成任务管理工作台 — BLUECOW009 · 2026-08-29
- 「富约束胜过富实现」：一篇关于如何给 AI 加约束的长文思考 — aishashok14 · 2026-08-29