Compositional Skill Routing for LLM Agents: Decompose, Retrieve, and Compose
组合技能路由：分解、检索、组合
🧭 Agent 技能路由 · 组合式检索
Alibaba Cloud
提出 SKILLWEAVER 框架与技能感知分解 (SAD) 迭代反馈，将 LLM Agent 技能路由的分解准确率从 51.0% 提升至 67.7%
📌 工作参考价值
- 多步骤任务编排：在电商 Agent 中，用户请求常需组合多个技能（如查库存→比价→下单）。SKILLWEAVER 的分解-检索-组合管道可直接用于将复杂意图拆解为原子子任务，再映射到真实 API 或工具，减少硬编码的意图路由。
- 检索增强的分解反馈：SAD 的核心是把检索到的技能信息作为 hint 反哺给分解步骤，属于“输入侧反馈”。这种方法可迁移到推荐系统的查询改写或意图分类中：用初步检索结果的分布矫正原始查询的粒度，解决语义漂移或过度分解问题。
- 上下文窗口优化：对于需要展示大量工具/物品描述的 Agent 场景，先用轻量 bi-encoder + FAISS 做粗检索再送入 LLM 做精排，可将上下文消耗降低 99%+，且检索结果稳定。在电商对话推荐中，可先用双塔模型召回候选商品，再用 LLM 做最终排序，既控制成本又保持了语义匹配能力。
- 技能库与组合泛化：SAD 在类别级和技能级留出实验中均有效，表明它学到的是技能库的结构性词汇而非特定映射。这启示在设计电商 Agent 工具库时，可以依赖技能的元数据与类别信息，通过 SAD 实现跨类别的任务分解泛化，无需为每种商品领域重训。
动机
LLM Agent 的工具库日益庞大（如 MCP 生态已达数千技能），但真实任务通常需要组合多个技能，而非单选。现有研究多聚焦单技能路由，面对“下载数据集→转换格式→生成报表”这类多步请求无能为力。为此，论文提出组合技能路由问题，并在数千真实技能上构建基准，量化瓶颈所在。
方法关键点
- 三阶段框架 SKILLWEAVER：分解（LLM 将复杂查询拆为原子子任务）→ 检索（bi-encoder + FAISS 为每个子任务召回 Top-10 候选技能）→ 组合（基于兼容性 DAG 规划最终技能链）。
- 技能感知分解 SAD：核心创新。将 Pass-1 检索结果的 Top-H 技能作为 hint 注入分解的 LLM Prompt，形成检索→分解的反馈环。仅一次迭代便使分解准确率（DA）从 51.0% 升至 67.7%。
- 组合规划：在候选技能上利用 I/O 类型、类别重合度等计算兼容性，选出兼顾相关性与步骤连贯性的技能序列。
- 基准 COMPSKILLBENCH：从 MCP 生态抽取 2209 个真实技能、24 个类别，生成 300 条组合查询（2~5 步），带有 skill ID 和类别 ground truth。
关键实验与数字
- 瓶颈诊断：标准 LLM 分解仅达 34.2% CatR@1（步骤级类别召回），且 DA=51.0%；当分解步骤数正确时，CatR@1 升至 41.2%，证实分解粒度是第一瓶颈。
- SAD 效果：单次 SAD 使 DA 提升 32.7%（+16.7pp），DA±1 达 84.3%；在人类风格查询上（零文本重叠）DA±1 从 30.5% 提升至 50.5%（+66% 相对）。
- 泛化性：类别留出实验中 SAD 仍带来 +35.6% 的相对 DA 提升，技能级留出 +23.2%，表明 SAD 学到的是技能库的结构词汇而非记忆特定映射。
- 上下文压缩：SKILLWEAVER 将暴露给 LLM 的工具 token 从 88.4 万降至约 1160（99.9% 减少），且端到端链式执行完成率 76.7%。
一句话总结
组合技能路由的瓶颈在分解粒度，而不是检索容量；用检索结果反哺分解的 SAD 循环，能以极小成本大幅提升复杂任务的技能组合质量。