SkillOrchestra：通过技能迁移学习 Agent 路由

复合 AI 系统的成功依赖于有效的编排。现有路由方法存在输入级决策粗糙及强化学习训练成本高、易崩溃等局限。本文提出 SkillOrchestra，一种技能感知编排框架。该方法不直接端到端学习路由策略，而是从执行经验中学习细粒度技能，建模特定代理在各项技能下的能力与成本。部署时，编排器推断当前交互的技能需求，并在性能与成本权衡下选择最佳代理。实验表明，该方法在十个基准测试中优于现有最强 RL 编排器，且学习成本大幅降低。