用技能程序驾驭LLM智能体

为LLM智能体配备从过往经验提炼的可复用技能，已成为应对复杂长程任务的一种流行且成功的做法。然而，这类经验常被编码为文本指南，基本停留在建议层面，缺乏在何时以及如何干预智能体循环的显式机制。为弥合这一差距，我们提出HASP（Harnessing LLM Agents with Skill Programs），一个将技能升级为可执行程序函数（PF）的新框架。PF不提供被动建议，而是充当可执行的护栏，在易失败状态上激活，修改下一步动作或注入纠正性上下文。HASP高度模块化：可在推理时用于直接干预智能体循环，可在后训练阶段提供结构化监督，也可通过演化经过验证、教师审核的PF实现自我改进。实验表明，在网页搜索、数学推理与编码任务上，HASP相较免训练与基于训练的方法都带来显著提升。例如，在网页搜索推理上，仅推理时PF就使平均性能较（多循环）ReAct智能体提升25%，而后训练与受控演化则相对Search-R1取得30.4%的增益。为深入剖析HASP，我们的机制分析揭示了PF如何触发与干预、技能如何被内化，以及技能库稳定演化所需的条件。