PANDO: Efficient Multimodal AI Agents via Online Skill Distillation
PANDO：通过在线技能蒸馏实现高效多模态AI智能体
🧭 多模态Web Agent · 在线技能学习与推理效率 ★ 深度解读
Carnegie Mellon University
单一rollout在线技能蒸馏框架，以结构化技能库配合缓存感知路由，使Web Agent在提升成功率的同时大幅降低token消耗。
📌 工作参考价值（4 点）
- 结构化技能库用于重复子任务：将操作经验提炼为规则（模式触发）和参数化例程（如 apply_price_filter(min,max)），用确定性的关键词匹配替代嵌入检索，可直接借鉴到电商自动化流程（自动比价、筛选排序），减少Agent反复规划的开销。
- 分层路由与视觉压缩降低推理成本：仅对规划/反思调用强模型（如Claude Opus），高频执行由廉价模型（如GPT-5.2）完成，并压缩截图分辨率，适合商品详情页抓取、浏览器自动化等视觉输入密集的场景，在保证准确率的同时控制API成本。
- 在线学习与置信度降级保持技能库健康：采用Beta分布估计技能置信度，失败多次后自动降级并加入黑名单，阻止“发现-失败-再发现”的死循环，这一机制可迁移到推荐系统的在线策略更新，避免陈旧或低效策略的持续消耗。
- 缓存感知的提示布局提高KV-cache命中：将稳定的指令、工具Schema、技能摘要放在抖动较小的前缀位置，配合Anthropic的cache_control，使整个任务流的缓存利用率从约10%提升到72%，对于生产环境下长链路Agent降低延迟和成本有直接参考价值。