Skill Blocks：智能体应如何加载其技能？预加载、按需工具加载、渐进披露与混合方式的缓存正确比较

智能体技能常在每次请求时全量注入，增加token成本。我们比较四种保持内容不变的加载方法：Full、Skill Block、Reference和Hybrid。在SearchQA、SpreadsheetBench、ALFWorld、ScienceWorld和SynthProc上，我们用单轮任务的原始输入和多轮任务的缓存正确有效输入来测量token使用。结果显示没有普适赢家。Hybrid在SearchQA上减少27.4%输入，在SpreadsheetBench上减少39.8%。在大型多轮技能上，Skill Block和Hybrid实现大幅削减，在ScienceWorld上分别达到62.5%和52.8%，在SynthProc上达到73.0%和66.6%。ALFWorld收益较小，因为流程短且被反复需要。配对结果检验未发现质量差异，但也不能据此确立等价性。总体而言，当技能的大部分内容并非每一轮都需要时，条件化加载最有利。