技能检索前的及时指导：在Agent上下文中保留有用提示

可重用的技能可以帮助基于 LLM 的Agent解决复杂的任务，但Agent必须在采取无效方法之前接受指导。现有的技能机制通常仅公开元数据并按需加载完整内容，从而在Agent决定检索之前无法提供有用的指导。一般的记忆方法可能会产生大量的维护开销，同时在对话上下文中保留指导可能会导致Agent反复接触不相关或有害的建议。我们提出 TipsWarm，这是一种通过维护技能衍生关键点的预算池来补充现有技能机制的机制，或 warm Tips，用于选择性注入每个消息轮次的上下文。通过将事件触发的LLM评估与廉价的每轮筛选分开，它可以在控制维护成本的同时轻松提供可转移的技能指导。在三个编码和迭代任务执行基准中，与最近的技能和一般记忆基准相比，TipsWarm 实现了最高的任务成功率，同时保持时间效率。