AI 原生开发 技能模块化 上下文优化 代码生成
摘要

针对大模型在 AI 原生系统中面临的上下文窗口管理与效率挑战,本文提出微技能架构。该范式借鉴微服务理念,将知识封装为原子化技能胶囊,并通过动态路由器按需选择语义相关的胶囊,而非输入完整代码库。研究将上下文分配建模为受令牌预算约束的优化问题。实证表明,该架构降低逾 90% 令牌消耗,显著提升编译成功率,消除架构违规,并支持通过自学习机制自主提取新技能,为构建高效可靠的 AI 原生开发系统奠定基础。

AI 推荐理由

提出微技能架构,核心在于技能的模块化封装、动态路由选择及自学习提取机制。

研究机构
Artificial Intelligence Laboratory at Arioobarzan Engineering Team, Shiraz, Iran
论文信息
作者 Mohammad Zare, Omid Abdolrahmani
发布日期 2026-06-04
arXiv ID 2606.05720
相关性评分 9/10 (高度相关)