SkillBrowser: Selective Skill Exposure for Scalable Skill-Using Agents
SkillBrowser：面向可扩展技能使用智能体的选择性技能暴露
🧭 Agent 技能选择性暴露
Nanjing University
提出 Meta-Skill 管理框架，让智能体按需识别能力需求并加载技能，优于静态检索和 LLM 选择
📌 工作参考价值（4 点）
- 可将电商/广告/搜索推荐系统中的工具、知识库、规则引擎封装为可加载的 Skill，用 Meta-Skill 根据当前任务状态动态判断需要哪些能力，避免一次性注入大量上下文造成污染。
- 采用“识别需求 → 生成查询 → 按需加载”的流程替代静态检索，能更好地匹配推理过程中逐渐浮现的能力需求，适合多步工具调用和长链路任务。
- 注意权衡：选择性暴露可能漏掉有用技能（under-invocation），且增加额外查询和加载延迟；在生产环境中可设置置信度阈值或缓存常用技能组合。
- 评估时需同时关注聚合准确率和已可解决实例上的性能退化，确保新机制不会损害原本能处理好的任务。