RS-Claw：基于分层技能树的遥感智能体渐进式主动工具探索

针对现有遥感智能体在大规模异构工具生态中被动选择工具的局限，本文提出 RS-Claw 架构。该架构将智能体重新定义为工具空间的主动探索者，利用技能封装技术构建分层技能树。智能体通过“先选分支、后载详情”的按需序列决策机制，动态平衡上下文负载与工具集完整性。实验表明，该方法在长程推理中显著压缩输入令牌（最高 86%），有效过滤语义噪声，并在复杂任务评估中全面优于现有基线。