Agent Skills Code Quality Empirical Study Reusability
摘要

当前标准下,Agent技能通过SKILL.md文件结合指令与资源,使LLM代理能在单次对话外复用程序。然而,许多公开技能看似源自单一任务或对话,缺乏真正的可复用性。本文基于官方规范,对20,556个仓库中的138,133个公开SKILL.md文件进行两级缺陷分类分析。研究发现91.8%的技能存在至少一项缺陷,主要问题包括路由元数据薄弱、内容冗余及资源组织混乱。确定性路由压力测试证实有效路由能显著提升检索可靠性。此外,规范感知型技能缺陷较少,而AI生成技能存在更多安全与移植问题。实验表明,结合规范提示、轻量级检查、自动修复及安全门控的工作流可有效提升技能质量。

AI 推荐理由

论文直接研究Agent技能(SKILL.md)的可复用性缺陷与质量评估,属于技能学习领域的核心问题。

研究机构
The Graduate Center, City University of New York The Ohio State University Hunter College, City University of New York
论文信息
作者 Chi Zhang, Yimin Liu, Xinze Chen, Ping Ji
发布日期 2026-08-09
arXiv ID 2608.08453
相关性评分 9/10 (高度相关)