论文提出自适应技能粒度框架，编码Agent运行时路由成功率达100%
dair_ai · x · 2026-10-25
dair-ai 推荐了一篇上海交大、快手与华威大学合作的 arXiv 论文，核心思路是把编码 Agent 的「技能粒度」当作运行时决策而非固定选择：
- 同一任务可在三种执行级别间切换：原始工具调用、宏技能（macro skill）、或宏技能失败时回退到微观步骤的混合执行
- 框架由两部分组成：基于特征的粒度控制器（依据任务结构、执行状态和既往宏失败来选择级别）+ 有限状态恢复执行器（把回退作为显式状态转移而非临时重试）
- 在 12 个任务的路由研究中，学习到的路由器达到 100% 成功率，而手写启发式规则会失败；宏到微的回退机制能恢复固定粒度无法解决的受控宏失败
结论：Agent 技能库不应只被当作可检索资源，而应是可控制、可验证、可恢复的执行抽象。代码已开源在 GitHub（Jayceon-3/Adaptive-Skill-Agent）。
「编程与Agent」频道最新
- SwarmOS：把 GitHub Issues 变成多 Agent 协作合同的开源编排层 — sn2006gy · 2026-10-25
- 研究：LLM 自我重写 Agent harness 两轮仅提升 2.8 分且不显著 — omarsar0 · 2026-10-25
- 开发者给 agent 线程加标签,跨机器一键过滤编排任务 — kevinkern · 2026-10-25
- 开发者：Agent 好用到能反过来告诉你怎么改进它自己 — Then-Programmer7221 · 2026-10-25
- SMP 工具 2 分 51 秒索引 9.6 万文件 Linux 内核树，跑分还揪出一个 1.5 秒查询 bug — Numerous_Beyond_2442 · 2026-10-25
- AIOps 减不了告警量,瓶颈在没人敢自动化的 runbook — krishnan · 2026-10-25