SkillPager：基于语义节点检索的查询自适应技能内导航

基于技能的 LLM 智能体日益依赖长过程文档，但全文提示浪费令牌并稀释关键信息。本文研究“技能内检索”问题，旨在从已知技能文档中为给定查询选择最小且足以执行的上下文。我们提出 SkillPager，一个两阶段框架：离线将 Markdown 技能解析为类型化语义节点，在线利用最大边际相关性（MMR）进行全局查询条件节点选择。实验表明，该方法在保持高上下文充分性的同时显著减少令牌消耗，证明了类型化语义粒度对提升技能型智能体效率的关键作用。