HiSkill：用分层技能图赋能LLM智能体

技能已成为让大语言模型（LLM）智能体在长程交互任务中复用过往经验的重要抽象。然而，现有的轨迹到技能方法往往产生扁平的高级文本技能集合，这些技能被独立存储与检索，导致技能间关系未被充分利用，并使高级技能与可执行动作之间存在鸿沟。本文提出HiSkill，一种分层技能图框架，将交互轨迹组织为包含技能节点、AtomicOp节点与带类型边的有向图。具体而言，该图将可复用的高级技能与可执行动作模板连接起来，同时捕捉它们之间的分解、时序转移、兼容、支持与恢复关系。在推理时，HiSkill检索一个紧凑的与任务相关的子图并执行子图引导的任务执行，其中符号化任务状态、活跃技能与检索到的子图引导LLM智能体迭代地切换技能、选择AtomicOp并落地可执行动作。在三个交互环境上的实验表明，HiSkill在优于最先进基线的同时降低了推理token消耗，证明了通过分层技能图弥合高级技能与可执行动作落地之间鸿沟的有效性。我们的数据与代码发布于 https://github.com/BUPT-GAMMA/HiSkill。