SkillRAE：面向检索增强执行的代理技能上下文编译

大型语言模型代理日益依赖可重用技能库解决复杂任务。现有检索增强执行（RAE）研究多关注技能检索与任务执行，忽视了如何将选定的技能证据有效组织为紧凑、可靠且立即可用的上下文。为此，本文提出 SkillRAE，一种两阶段 RAE 方法。离线阶段构建涵盖技能社区、技能及可重用子单元的多级技能图；在线阶段执行基于子单元证据导出的技能排序检索，并应用救援感知的紧凑编译以恢复关键证据。实验表明，该方法在 SkillsBench 等基准上显著优于现有技术。