沙丘社区
论文

SkillGraph：用于LLM智能体工具序列推荐的图基础先验

SkillGraph: Graph Foundation Priors for LLM Agent Tool Sequence Recommendation

Hao Liu, Dongyu Li
智能体系统Agent 工具调用

摘要

LLM智能体必须从庞大的API库中选择工具并正确排序。现有方法在检索与排序中都使用语义相似度，但排序依赖于工具描述中缺失的工具间数据依赖。因此，纯语义方法在结构化工作流领域可能产生负的Kendall-τ。我们提出SkillGraph，一个从49,831条成功LLM智能体轨迹中挖掘出的有向加权执行转移图，它将工作流先后顺序规律编码为可复用的图基础先验。基于这一图基础先验，我们提出一个两阶段解耦框架：用于候选选择的GS-Hybrid检索，以及用于排序的学习式成对重排器。在ToolBench（9,965个测试实例；约16,000个工具）上，该方法达到Set-F1 = 0.271与Kendall-τ = 0.096；在API-Bank上，Kendall-τ从-0.433提升到+0.613。在相同的第一阶段输入下，学习式重排器也优于LLaMA-3.1-8B第二阶段重排器。

SkillGraph：用于LLM智能体工具序列推荐的图基础先验：论文配图
图 2：SkillGraph 前 10 社区（总共 216 个社区；Louvain 模块化 Q=0.892Q{=}0.892）。节点规模与社区规模（工具数量）成正比；箭头权重反映了社区间的转移概率。社区与 API 类别保持一致（NMI = 0.695 与 RapidAPI 分类法）：特定领域的工具自然地联合集群（例如，金融和货币与加密货币交换强烈反映多步骤交易工作流程），验证 SkillGraph 编码语义一致的执行依赖关系。