SkillZip Pro:面向自演化智能体的执行感知、渐进加载技能动态压缩
SkillZip Pro: Execution-Aware Dynamic Compression of Progressively Loaded Skills for Self-Evolving Agents
摘要
生产代理技能是目录包,而不是孤立的提示。激活时加载根;仅当执行路径需要时,才会加载引用、架构、脚本、资产和嵌套子技能。仅压缩根会错过大部分部署成本,并且可能会将特定于分支的详细信息移至始终加载的上下文中。相反,扁平化会破坏渐进加载的边界。我们引入了 \method,一种无需评估的压缩器,用于完整的、逐步加载的技能包。它使代理工具保持不变并发出一个普通目录。该方法结合了两种保护措施。首先,它压缩 \emph{跨文件},当根或声明的环境合约已提供内容时,从引用或子技能中删除内容。其次,它保留了路由,因此每个所需的文件和可直接调用的条目在重写后仍然可访问。用户可以沿两个独立的轴配置\method。 \emph{One-Shot} 模式重建完整包; \emph{Continual} 模式重用状态并在每个进化补丁之后应用 Zip-on-Write。 \emph{Persistent} 压缩会重写附带的捆绑包以减少存储和运行时上下文。 \emph{Transient} 压缩保持该包字节相同并构建特定于任务的视图,仅减少构建成本后的每次运行上下文。进入合同标志着私人、公共和有条件的资源;多条目审计保留了独立的公共子技能。在我们的工业多轮工具评估的生产内容审核技能上,\method 删除了技能包令牌的 \hl{38\%} 和端到端每次运行令牌的 \hl{10.4\%},而没有质量损失,而不受保护的 71\% 配置会因单方面误报而损失多达 26 个准确度点。在多条目捆绑上,\方法有效地降低了token成本,同时几乎完美地保留了每条路线和公共条目。
