CaSKG: Counterfactual-Causal Skill Graphs for Scalable Agent Skill Retrieval
CaSKG：面向可扩展 Agent 技能检索的反事实因果技能图
🧭 Agent 技能图构建与图谱化检索 ★ 深度解读
Jilin University · Ant Group
用反事实因果探针校准技能图边置信度，在六模型两基准上全面超越 GoS 等检索基线
📌 工作参考价值（4 点）
- 技能/工具库检索可拆成“高召回候选图 + 预算化边校准 + 状态门控发布”：先在离线阶段用多信号（语义、词法、I/O、结构）挖出候选边，再用有限 LLM 预算只验证高价值边，线上只做轻量图传播；电商 Agent 工具库、SOP 流程库可以直接复用。
- 用 LLM 反事实探针评估方向性依赖：对候选边做 remove/substitute/reorder 三类文本探针，能比相似度/共现更可靠地区分“前置依赖”和“只是相关”，适合做工具/API 前置条件、状态变更、校验步骤的边质量评估。
- 发布图时采用 confirmed/uncertain/rejected/scaffold 四态权重，而不是全量发布所有候选关系；可避免弱边在图传播中污染上下文，推荐/搜索知识图谱的边精选也可借鉴。
- 在线检索用 query seed + personalized PageRank 在可靠性加权图上扩展，返回紧凑技能包；相比全文库塞入和纯向量检索，既省 context 又能补回非字面相关但流程必需的技能，适合 LLM prompt 组装。