论文综述：SkillZip——面向可扩展智能体技能库的契约保持式图压缩

一、论文是干什么的？

现在的大模型智能体越来越像一个「带着说明书上班的员工」。这些说明书就是所谓的技能包（skill package）：一份份 Markdown 或脚本，写清楚「要做某件事，先检查什么、调用哪个工具、出错了怎么补救、做完怎么验证」。问题在于，公司规模一大，说明书就从 200 份涨到 10 万份，而智能体的「工作台」（上下文窗口）就那么大，塞不下。于是大家开始想办法：要么只检索最相关的几份，要么让模型把说明书「总结压缩」一下再塞进去。

但这两条路都有硬伤。检索是「整本书」为单位的，你要的可能只是第 3 章第 2 节那半页，却被迫搬来整本；而文本压缩更危险——它像是把一本操作手册交给一个只看字数的编辑，编辑觉得「第 4 步：确认磁盘已挂载」是废话就删掉了，结果智能体真的去写一个没挂载的盘。这篇论文提出的 SkillZip 给出的思路很像 ZIP 压缩文件与宏定义的结合：把所有技能拆成带类型的「段落」，连成一张流程图，然后在图上找出反复出现的公共流程片段，把它们打包成一个可逆的宏（reversible ported macro）——平时只显示宏的名字和接口，真要执行到那一步时再「解压」还原成原文。关键约束是：压缩过程必须保住这段流程对外的「契约」，即输入输出签名、依赖闭包、验证器可达性和回溯原文的能力。作者在技术类与具身类两个基准上报告，SkillZip 相比最强基线最多领先 12.2 个点，同时取得 3.46 倍压缩比、99.2% 依赖保全率和 98.7% 验证器可达率，并在 200 到 100000 个技能的库规模上保持稳健检索。

二、核心方法与创新

SkillZip 是一条四段式流水线：离线的 Sec2Graph（建图）与 MotifZip（压缩），在线的 PathHydrate（检索与水合），以及持续演化的 ReZip（增量维护）。

2.1 Sec2Graph：把说明书拆成带类型的流程图

第一步是不再把「一个技能」当成不可分割的原子，而是拆到段落级。每个段落节点写成一个七元组：

$v = \langle \tau_v, c_v, X_v, Y_v, R_v, G_v, \mathrm{src}_v \rangle$

其中 $\tau_v$ 是这段话在执行流程里扮演的角色，论文定义了九种：Intent（意图）、Trigger（触发条件）、Input（输入）、Precondition（前置条件）、Operation（操作）、Resource（资源）、Failure（失败处理）、Verifier（验证器）、Output（输出）。 $c_v$ 是段落原文， $X_v$ 与 $Y_v$ 是带类型的输入输出签名， $R_v$ 是用到的工具或资源， $G_v$ 是守卫与验证条件， $\mathrm{src}_v$ 是指回原始技能文件的源指针——这个指针是后面「可逆」的命根子。

除了这些「出现实例节点」，图里还有一类原型节点（prototype node），存放归一化后的角色与契约签名，并链接到所有出现它的地方。这样既能看见「这段流程在很多技能里都用到」，又不会抹掉每个技能自己的归属和原文位置。

整张图记作 $\mathcal{G} = (\mathcal{V}, \mathcal{E}_{dep}, \mathcal{E}_{skill}, \mathcal{E}_{res}, \mathcal{E}_{eq})$ ，四类边分别是：带类型的流程依赖边 $\mathcal{E}_{dep}$ （关系类型 $\rho_e$ 取 Requires、Binds、UsesResource、Verifies、Repairs），技能归属边 $\mathcal{E}_{skill}$ ，外部资源边 $\mathcal{E}_{res}$ ，以及把具体出现连到兼容原型的等价边 $\mathcal{E}_{eq}$ 。依赖边形如 $e = (u, v, \rho_e)$ 。

打个比方：以前的技能库是一柜子装订好的手册，现在被拆成了一堆贴了彩色标签的便签条，标签告诉你这条是「前提」还是「校验」，便签之间还牵着线说明「这一步必须在那一步之后」。

2.2 契约：压缩时绝对不能弄丢的那三样东西

论文把「契约」（contract）拆成三个不可分割的方面，这是全文最核心的概念：

接口契约（interface contract）：这段流程对外暴露什么。由带类型的输入输出签名 $(X_v, Y_v)$ 和资源绑定 $R_v$ 决定。
执行契约（execution contract）：前置条件、带类型的依赖边、守卫、副作用、失败处理器。其中依赖闭包（dependency closure）要求：一个被压缩单元内部的所有依赖，要么完全落在这个单元内部，要么必须通过宏的端口（port）显式暴露出来——不许有「悬空」的隐式依赖。
验证契约（verification contract）：成功条件与验证器钩子。验证器可达性（verifier reachability）要求：每一个会改变外部状态的操作，都必须有一个验证器，要么在宏契约内部，要么从宏的输出可达。

再加上源指针 $\mathrm{src}_v$ 保证的可逆展开（reversible expansion），四项全部存活，这个宏才算合法。

这就是 SkillZip 与「让 LLM 总结一下」的根本区别：文本压缩只对字数负责，契约压缩对可执行性负责。类比一下，普通压缩是把一份施工图纸缩印成小卡片，能不能看清全凭运气；契约压缩则规定：缩印可以，但所有承重墙位置、水电接口坐标和验收标准必须原样保留，且卡片背面要印上原图的页码，随时能翻回去。

2.3 MotifZip：挖掘反复出现的合法 motif

接下来要找「哪些片段值得打包成宏」。作者明确避开了通用的频繁子图挖掘（组合爆炸且不管语义），改用接口感知的候选生成：

$\mathcal{C} = \mathrm{GrowMotifs}(\mathrm{BucketBySignature}(\mathcal{G}), \mathcal{G})$

先按角色签名、资源族、输入输出形状把段落分桶，然后只在接口兼容的邻域内沿依赖边和弱序边生长候选。每个候选 motif 是一个带类型带属性的子图 $g = (V_g, E_g, \ell_g)$ ，标签 $\ell_g$ 记录角色、签名、资源族和验证器标记。

支持度怎么数是个巧思。一次「出现」记作 $\omega = (\psi_\omega, \varphi_\omega)$ ： $\psi_\omega$ 把 motif 节点映射到实际段落节点， $\varphi_\omega$ 把 motif 端口映射到跨边界的边。统计支持度时只数互不冲突的出现——两次出现如果共享同一个内部源段落节点，或者要求互相矛盾的端口重连，就算冲突。作者强调这样度量的是「可复用的流程结构，而非重复的文本片段」。

对每个够频繁的 motif，系统构造契约 $(I_g, O_g, \chi_g) = \mathrm{BuildContract}(g, \Omega_g)$ ，其中 $\Omega_g$ 是兼容出现的集合。接受条件正是上面三条：接口稳定（各次出现的端口与资源需求一致）、依赖闭包、验证器可达。

要不要真的压，由一个压缩收益打分决定：

$\Delta(g) = \mathrm{freq}(g) \cdot L(g) - L(M_g) - L(\mathrm{rule}_g) + \alpha \cdot \mathrm{Reuse}(g) - \lambda \cdot \mathrm{Cut}(g) - \mu \cdot \mathrm{Risk}(g)$

前三项是朴素的「省下的字数减去宏本体和展开规则的开销」， $\mathrm{Reuse}(g)$ 奖励跨技能复用， $\mathrm{Cut}(g)$ 惩罚边界切割造成的信息损失， $\mathrm{Risk}(g)$ 惩罚验证器支撑薄弱的片段。也就是说，一个「压得很爽但验证器不牢」的 motif 会被这个打分主动否掉。

2.4 可逆端口宏与渐进式水合

被接受的 motif 变成一个端口宏节点 $M_g : I_g \Rightarrow O_g$ ，产生式写作：

$M_g[I_g, O_g] \Rightarrow (V_g, E_g, \pi_g, \chi_g)$

$I_g, O_g$ 是带类型的边界端口， $\pi_g$ 是每次出现各自的节点与端口映射， $\chi_g$ 是可执行契约。有了产生式和源指针，宏随时能原样还原。

在线阶段的 PathHydrate 做的是「按需解压」。它为每个宏选择最低够用的水合层级，共四档，从轻到重依次是：Name（只给宏名）、Contract（给出类型化端口与执行约束）、Outline（给流程摘要）、Full source（还原完整原文段落）。只要当前层级缺少所需的输入、守卫、验证器或源指针，就自动升一级。这就是论文说的「在图层面做渐进式披露：SkillZip 只暴露最小可执行视图」。

检索侧还有几个组件。种子融合用双层打分把任务描述 $q$ 与文档 $d_i$ 同时对上节点 $v$ ：

$s(v, d_i, q) = \max\{\cos(e(d_i), e(v)),\ \cos(e(q), e(v))\}$

多路排序用倒数排名融合 $\mathrm{RRF}(\sigma) = \sum_{r \in \mathcal{R}_{rank}} \frac{1}{k + \mathrm{rank}_r(\sigma)}$ 合并。最终选出的子图由一个带预算约束的优化目标决定：

$P_q^* = \arg\min_{P \subseteq \mathcal{G}_{zip}} \left[ \eta \cdot T(P) + \beta \cdot |P| + \gamma \cdot E(P) - \delta \cdot \mathrm{Match}(P, q) \right]$

约束条件是锚点覆盖、依赖闭包、验证器可达，以及 token 预算 $T(P) \le B$ 。注意这里依赖闭包和验证器可达是硬约束而不是软惩罚——这是整篇论文一以贯之的态度。

2.5 ReZip：技能库会变，压缩包也得跟着变

真实技能库天天在长。ReZip 处理两件事。第一是新技能同化：新来的技能按类型化端口和契约与已有宏做匹配，匹配不上的残余部分先进缓冲区，只有当某个 motif 表现出跨技能支持度且满足压缩收益阈值时，才被提升为正式宏。第二是执行感知的宏修订，用一个风险分追踪宏在真实执行中的表现：

$\rho_t(M) = \lambda_e \cdot \frac{n_{exp}(M)}{n_{use}(M)} + \lambda_v \cdot \frac{n_{fail}(M)}{n_{use}(M)} + \lambda_d \cdot \frac{c_{repair}(M)}{n_{use}(M)}$

三项分别是展开频率、验证器失败率、下游修复成本。一个总是被迫展开、或者经常导致验证失败的宏，风险分会升高，系统会提高它的默认水合层级，甚至直接把它退役。这相当于给压缩字典加了一套「用后反馈」机制：压得再狠，如果实战总出问题，就退回去。

三、使用了哪些模型和计算资源？

骨干 LLM：论文在两个后端模型上评测，分别是 MiniMax-M2.7 和 gpt-5.2-codex。

GPU 硬件或 API 细节：暂无相关信息。论文正文未说明具体的 GPU 型号、显卡数量或 API 调用方式。

耗时：离线构建方面，10 万技能规模的库构建耗时 178 秒，产生 477 万个段落节点。在线方面，最大规模下检索加水合的延迟为 248.3 毫秒。压缩阶段单独的耗时统计、以及完整评测的总 GPU 小时或 API 费用：暂无相关信息。

四、实验结果

4.1 任务表现：压得更小，反而做得更对

评测用了两个基准：技术任务基准 SkillsBench 和具身智能体基准 ALFWorld（基于 ALFRED 环境）。对比的基线包括 Vanilla Skills（全量加载）、Vector Skills（向量检索）、Graph of Skills（GoS）、SkillDAG（图检索）。

骨干模型	方法	SkillsBench 奖励	ALFWorld 成功率
MiniMax-M2.7	SkillDAG（最强基线）	27.3	67.1%
MiniMax-M2.7	SkillZip	33.3	79.3%
gpt-5.2-codex	SkillDAG（最强基线）	36.8	93.6%
gpt-5.2-codex	SkillZip	43.0	96.4%

摘要里那个「最多领先 12.2 点」，就是 MiniMax-M2.7 上 ALFWorld 的 79.3% 对 67.1%。有意思的是在能力更强的 gpt-5.2-codex 上，ALFWorld 已经接近天花板（93.6%），提升空间自然被压缩到 2.8 点，但技术任务上仍有 6.2 点的稳定增益。检索指标 Ret@1、Ret@5、MRR 也全面改善。

4.2 压缩质量：同样的压缩比，差距在「还能不能跑」

这张表是全文最能说明问题的一张。注意 Text compression 和 SkillZip 的压缩比与 token 数完全相同（都是 3.46 倍、1941 token），但后果天差地别：

表示方式	压缩比 CR	上下文 token	依赖保全 DPR	验证器可达 VR	回退率 Recovery	奖励
原始段落图	1.00×	6,716	100.0%	100.0%	0.0%	31.0
精确文本去重	1.43×	4,697	98.6%	98.1%	5.2%	31.2
文本压缩	3.46×	1,941	65.0%	60.0%	45.0%	25.5
通用图文法	2.91×	2,308	93.4%	90.8%	22.7%	29.4
SkillZip 去掉契约检查	3.78×	1,777	88.9%	84.6%	31.5%	27.8
SkillZip	3.46×	1,941	99.2%	98.7%	14.8%	33.3

大白话解读：

文本压缩是「压得爽，跑得崩」。同样把 6716 token 砍到 1941，纯文本压缩把 35% 的流程依赖和 40% 的验证器搞丢了，导致 45% 的查询不得不回头去读原文，最终任务奖励反而从 31.0 掉到 25.5——比不压缩还差。
SkillZip 是唯一一个「压缩后比不压缩更好」的方法。奖励从 31.0 涨到 33.3。这不难理解：原始图虽然信息全，但 6716 token 里塞满噪声，模型反而抓不住重点；压缩后暴露的是「最小可执行视图」，注意力更集中。
契约检查确实在起作用。去掉契约检查的消融版本压缩比更高（3.78×，token 更少），但 DPR 掉到 88.9%、VR 掉到 84.6%、回退率翻倍到 31.5%，奖励反而降到 27.8。这直接证明了论文的核心论点：压缩比本身不是目标，可执行性才是。

4.3 扩展性：库越大，优势越明显

指标	数值
10 万技能库的 Ret@1	65.1
10 万技能库在线检索加水合延迟	248.3 毫秒
10 万技能库离线构建耗时	178 秒
10 万技能库段落节点数	477 万
Ret@1 相对 SkillDAG 的优势（200 技能）	+6.2
Ret@1 相对 SkillDAG 的优势（10 万技能）	+23.3

优势从 6.2 拉大到 23.3，说明段落级建图加宏压缩这套机制的收益是随规模放大的：库越大，重复流程越多，可压缩的 motif 越多，同时平铺检索的噪声也越严重。

4.4 系统开销：省的不只是 token

在 SkillsBench 加 MiniMax-M2.7 的配置下，相比 SkillDAG：

开销指标	降幅
累计 prompt 处理量	-47.0%
平均工具调用次数	-21.7%
未命中缓存的 prompt 输入	-18.7%
端到端任务耗时	-21.1%

工具调用少了两成，说明智能体走弯路的次数变少了——上下文更干净，试错就更少。

4.5 消融实验

移除的组件	后果
段落级节点（退回整技能粒度）	Ret@1 降 6.9 点，奖励降 5.4
MotifZip 压缩	上下文膨胀 52.9%，奖励降至 31.0
依赖闭包约束	DPR 掉到 82.3%
验证器约束	VR 掉到 76.4%
自适应水合（保留则节省）	节省 33.3% token 且保真度不降

五、潜在应用与已落地应用

潜在方向

企业级智能体技能中台。大型组织的运维手册、合规流程、财务审批规程高度重复（「先建工单、再走审批、最后归档」这类骨架到处都是）。SkillZip 的宏机制天然适合把这些公共骨架抽成一个带端口的可复用单元，各部门只填自己的差异部分。
代码智能体的工具与脚手架管理。gpt-5.2-codex 上的 6.2 点提升指向一个现实场景：仓库里成百上千的构建脚本、CI 配置、迁移流程存在大量同构片段，段落级建图比按文件检索精确得多。
具身与机器人任务规划。ALFWorld 上 12.2 点的提升说明「拿起—移动—放置—验证」这类动作骨架非常适合宏化，验证器可达性约束对物理世界的安全执行尤其关键。
上下文预算受限的边缘部署。3.46 倍压缩加 248 毫秒延迟意味着在小上下文窗口的本地模型上跑大技能库成为可能。
契约保持思想外推到其他压缩场景。论文真正的方法论贡献是「压缩必须以可执行契约为不变量」，这个思路可以迁移到 RAG 文档压缩、长对话记忆压缩、工具描述压缩等一系列上下文工程问题上。

已落地应用

暂无相关信息。论文未提及任何工业部署、开源代码仓库或产品集成。

六、网络上的讨论与评价

该论文在 HuggingFace Papers 上获得 73 票，属于当日较受关注的条目，但页面上的社区讨论区暂无公开评论。

在 X（Twitter）、Reddit、Hacker News、技术博客与知乎上，针对本文的专门讨论：暂无相关信息。经检索，未能找到直接讨论 arXiv:2608.05604 的公开帖子或长文。检索过程中出现的几个相关线索值得一提，但均非对本文的讨论：

存在一篇标题高度相似但内容不同的论文 SkillZip: Evaluation-Free Skill Compression for Self-Evolving Agents by Discovering Reusable Structure（arXiv:2608.11079），主张用「最短忠实结构解释」做免评测的技能压缩。检索时极易与本文混淆，需注意区分。
本文的基线之一 Graph-of-Skills 对应论文 arXiv:2604.05333。
本文使用的基准 SkillsBench 在 Hacker News 上有独立讨论帖，但讨论对象是基准本身而非 SkillZip。

七、思维导图

mindmap
  root((SkillZip 契约保持式技能库压缩))
    Sec2Graph 段落级建图
      九种执行角色 Intent 到 Verifier
      节点七元组含源指针指回原文
      四类边 dep skill res eq
      原型节点标记跨技能复用
    契约的三个不可分割方面
      接口契约 类型化输入输出与资源绑定
      执行契约 依赖闭包必须内部或经端口暴露
      验证契约 状态变更操作须有可达验证器
      源指针保证可逆展开回原文
    MotifZip 挖掘并压缩
      按签名分桶避免通用频繁子图挖掘
      非冲突出现计数度量结构复用
      收益打分含 Reuse 奖励与 Risk 惩罚
      合法 motif 重写为带类型端口的宏节点
    PathHydrate 在线按需解压
      四档水合 Name Contract Outline 全文
      缺输入或验证器时自动升级层级
      子图搜索受 token 预算 B 硬约束
      自适应水合节省 33.3% token
    ReZip 增量维护
      新技能按端口匹配已有宏
      跨技能支持度达标才升为正式宏
      风险分追踪展开率与验证失败率
    实验设置
      骨干模型 MiniMax-M2.7 与 gpt-5.2-codex
      基准 SkillsBench 与 ALFWorld
      基线 Vanilla Vector GoS SkillDAG
      规模 200 到 100000 个技能
    关键结果
      压缩 3.46 倍 token 6716 降至 1941
      依赖保全 99.2% 验证器可达 98.7%
      ALFWorld 最多领先基线 12.2 点
      10 万技能构建 178 秒 延迟 248.3 毫秒