面向智能体的可插拔Experience-RAG技能：经验驱动的检索策略编排

检索增强生成系统常假设单一固定检索流水线可通吃异构任务，但事实型问答、多跳推理与科学验证展现不同的检索偏好。我们提出Experience-RAG Skill：一个面向智能体的可插拔检索编排层，位于智能体与检索器池之间。该技能分析当前场景、查询经验记忆、选择合适的检索策略，并把结构化证据返回智能体。在固定候选池下，Experience-RAG Skill在BeIR/nq、BeIR/hotpotqa与BeIR/scifact上取得0.8924的总体nDCG@10，超越固定单检索器基线，并与Adaptive-RAG式路由保持竞争力。结果表明：检索策略选择可以有效地封装为可复用的智能体技能，而非硬编码在上层工作流中。