论文
Formal Skill：面向高效且准确LLM智能体的可编程运行时技能
Formal Skill: Programmable Runtime Skills for Efficient and Accurate LLM Agents
摘要
LLM智能体越来越多地在真实工作区内行动，工具与技能决定模型推理能否成为可靠的行动。现有技能大多仍是非形式化的：Markdown技能与指令包把流程编码为冗长的自然语言文档，而函数调用、模型上下文协议（MCP）服务器与框架工具虽然结构化了单个动作，却通常把工作流状态、策略执行与完成纪律留在技能本身之外。我们提出Formal Skill，一种运行时原生的抽象，用JSON元数据与动作模式、可靠的Python执行器、钩子治理的控制逻辑、Formal Skill路由以及技能本地运行时状态来表示可复用能力。通过把可复用流程从重复的提示文本迁移到可执行状态机与钩子策略中，Formal Skill为智能体提供了token高效且可强制执行的控制面。我们在FairyClaw中实现该抽象，这是一个开源的事件驱动运行时，支持可执行、可观测、可组合的Formal Skill。在Harness-Bench上，FairyClaw在消耗显著更少token的情况下获得极具竞争力的平均分，在能凸显Formal Skill作用的任务上表现尤其突出。