agentsope/SkillAlchemy

解決的問題

為AI代理建立可靠的技能通常很困難，因為任務描述往往不完整，專家流程可能未被記錄，執行軌跡也常常缺失。SkillAlchemy透過從模糊的簡報與開放世界資料來源中自動化生成可安裝、可重用的代理技能來解決此問題。

工作原理

SkillAlchemy將技能建立視為一個基於來源的程序承認問題。它遵循四個步驟：

1. 需求發現：識別初始技能簡報中遺漏的隱含需求與限制。
2. 程序取得：從公開來源（如文件、倉儲、論文與問題報告）中收集有根據的程序。
3. 範圍判定：評估證據，判斷某個程序是可重用的指示、特定範例，還是應被排除。
4. 編譯：將被承認的知識打包成可安裝的技能套件，代理可直接載入並使用。

適用對象

專為需要為AI代理配備特定能力（如審查RAG系統）但無需手動撰寫每個工作流程步驟的開發者與研究人員設計。

主要亮點

• 隱含需求恢復：恢復簡報中遺漏的行為相關限制與操作維度。
• 知識萃取：將人物（角色）、方法（書籍、論文、倉儲）與既有工作流程轉化為可執行技能。
• 基於證據的過濾：將可重用指示與情境相關範例分離，確保可靠性。
• 技能融合：能將多個既有工作流程或領域知識集合併為單一新能力。
• 高性能量：在SkillsBench v1.1基準測試中，性能優於多個自動化技能建立基線，並與人工精心調整的技能表現相當。