揭秘智能合约审计的代理技能：设计、有效性、行为影响

LLM 代理，特别是 Claude Code 和 OpenAI Codex，正在成为超越编码代理的多功能工具。这些代理可以通过技能来增强——可重用的工件，其中包含领域知识、工作流程和工具使用说明。然而，迄今为止，人们对这些技能是如何设计的，或者它们如何影响代理人在实践中的有效性和行为知之甚少。在本文中，我们研究了智能合约安全审计中的这些问题，在这个领域，代理已经表现出了巨大的希望。我们系统地从野外收集了 83 种智能合约审计技能，并在 EVMBench 上跨七种代理模型配置对它们进行了评估。我们的研究考察了三个维度：（i）审计技能的设计特征，包括其结构、知识表示、工作流程和工具依赖性； (ii) 它们在改进漏洞检测方面的有效性； (iii) 它们对智能体执行轨迹的影响。我们发现审计技能大多是轻量级的，但设计上是异构的，涵盖了广泛但不平衡的漏洞类型。它们的有效性主要取决于模型而不是代理工具：Codex/GPT-5.5 取得了最大的收益，将检测分数提高了 22.8%，并获得了 43.2% 的奖励。我们进一步发现技能触发是一个关键瓶颈。触发后，技能会保留共享的六阶段审核工作流程，同时表现出不同的加载模式以及对跨配置的代理行为的不同影响。我们发布我们的技能语料库和工件以支持未来的研究。