从工作流到技能：经路由-工作流-语义-附加的技能创建

大型语言模型智能体越来越依赖于技能来编码程序知识，但高质量技能的手写成本仍然很高。本文研究了从异构交互证据（包括演示、代理轨迹、工具轨迹和执行日志）中自动构建技能。我们认为，从痕迹到技能的构建并不是简单的总结任务，因为痕迹是碎片化的、冗余的，并且可能会错过罕见但安全关键的行为。为了解决这个问题，我们引入了RWSA，一种面向工作流的中间表示，它将技能分解为工作流结构、执行语义和运行时附件，捕获任务分解、控制流、验证、安全、回滚和状态管理。在 RWSA 的基础上，我们提出了 W2S，这是一个框架，可以分割痕迹、引入本地技能草稿、对齐共享结构、协调分支并压缩冗余，同时保留证据和置信注释。对 70 项技能的实验表明，与基于摘要和提示的基线相比，W2S 将行为重播一致性提高了 10.5%，这凸显了将跟踪视为可执行运行时规范而不是可压缩文本的必要性。