SkillFlow：用于智能体编排的流驱动递归技能进化

针对现有编排方法存在的策略崩溃、信用分配不透明及技能进化缺乏引导等挑战，本文提出 SkillFlow 框架。该框架以可训练的监督者为智能体，结合动态技能库与冻结执行器，通过多轮交互自动化任务编排。引入 tempered trajectory balance 损失以保留策略多样性，并利用联合学习的反向策略实现零成本步级信用分配。基于此，构建了递归技能进化机制，自主决定技能的创建、剪枝与时机，形成从训练信号到能力增长的闭环。实验表明其在多项任务中显著优于基线。