小白程序员必看：大模型技能检索增强（SRA）实战指南，轻松提升AI Agent能力

本文介绍了清华大学论文Skill Retrieval Augmentation for Agentic AISRA探讨当技能库规模庞大时如何让AI Agent按需检索和使用技能。SRA通过技能检索、加载和应用三阶段解决LLM在技能选择上的“需求感知”缺失问题。文章分析了不同技能使用策略并揭示了检索质量虽重要但模型加载行为才是关键瓶颈。为后续研究提供了清晰框架适合想要提升AI Agent能力的程序员学习。今天分享清华大学的论文——Skill Retrieval Augmentation for Agentic AISRA。先说结论当 Agent 的技能库从几十个膨胀到百万级别真正的瓶颈不是能不能检索到对的技能而是 LLM 根本不知道自己什么时候需要外部帮助。技能库正在爆炸式增长AI Agent 的能力越来越依赖外部技能。OpenClaw 通过 SKILL.md 加载能力OpenAI 和 Anthropic 也在 prompt 里枚举可用工具。这种把技能列在 prompt 里让模型自己选的方式在技能数量少的时候没问题。但现在技能生态正在爆炸。截至 2026 年 4 月SkillsMP 平台上已有超过 100 万个独立技能。OpenClaw 的 ClawHub 也在持续增长。把 100 万个技能的描述塞进上下文窗口不可能。即使压缩成摘要数量多了模型也选不准。这篇论文要回答的问题就是当技能库大到不能全部放进 prompt 时Agent 该怎么按需获取和使用技能SRA技能检索增强论文提出了 Skill Retrieval AugmentationSRA一个新范式。它的思路和 RAG 类似——都是从外部语料中检索相关内容——但有一个本质区别经典 RAGSRA检索对象陈述性知识文档、段落可执行能力包技能目的辅助生成提供证据扩展功能增强能力评估标准语义相关性下游效用加载了吗用对了吗任务变好了吗在经典 RAG 里检索到的文档只要有相关性就有价值。但在 SRA 里检索到了正确的技能只是第一步——模型还必须判断是否需要用、选择用哪个、正确地执行。论文把这个过程拆成了三个阶段技能检索Skill Retrieval从大规模技能语料中找到与当前任务相关的技能技能加载Skill Incorporation判断检索到的候选技能中哪些值得加载以什么形式加载技能应用Skill Application在实际任务中正确使用已加载的技能第一个技能检索分解评估基准为了研究这个问题论文构建了 SRA-Bench第一个支持分解评估的技能检索基准。数据规模5,400 个测试实例来自 6 个能力密集型数据集TheoremQA、LogicBench、ToolQA、MedCalc-Bench、CHAMP、BigCodeBench636 个手工构建的 gold skillLLM 起草 专家修订确保通用性、正确性、无数据泄露混合 25,626 个从网上收集的噪声技能构成 26,262 规模的技能语料Gold skill 仅占 2.4%——模拟真实场景中有价值的技能是稀疏的三阶段分解评估不仅能看最终任务有没有做对还能独立诊断检索有没有找对、“加载有没有选对”、“应用有没有用对”。三种技能使用策略对比论文比较了三种从检索到使用的方式Full-Skill Injection把 top-1 检索到的技能全文直接注入 prompt。最简单粗暴。LLM Selection先检索 top-50只展示每个技能的名称和描述让模型选一个再注入全文。Progressive Disclosure类似 OpenClaw 的 SKILL.md 机制——模型看到一个精简的技能目录可以在推理过程中按需加载某个技能的全文。结论很有启发性LLM Selection 是当前最稳定可靠的策略。它在大多数模型和数据集上都比 Progressive Disclosure 效果更好而且很多时候能大幅缩小与 Oracle直接给正确答案的差距。Progressive Disclosure 看起来最理性——让模型自己决定要不要用——但实际上它最不稳定。原因正是论文最核心的发现。关键发现论文通过 6 个研究问题系统分析了 SRA 管线其中 RQ5 和 RQ6 揭示了一个被严重忽视的问题。发现一检索到了正确技能加载率不升无论检索结果中是否包含 gold skill正确答案LLM 加载技能的概率几乎相同。这意味着模型分不清检索结果里有好东西和检索结果全是噪声。即使检索系统已经完美地把正确技能放在候选列表里模型也不会因此更倾向于加载它。发现二需要帮助的任务和不需要的任务加载率一样模型在自己就能做的任务和必须靠外部技能才能做的任务上加载技能的概率也几乎相同。这暴露了一个根本性的能力缺失LLM 缺乏需求感知need-awareness。 一个理性的 Agent 应该在遇到超出自身能力的任务时更积极地寻求外部帮助在自身能力足够时保持克制。但当前模型完全不具备这种判断力。发现三行为高度依赖模型与模型大小无关不同模型展现出完全不同的技能加载行为而且没有模型越大越理性的单调趋势。小模型和大模型都可能在判断要不要用技能上犯同样的错。检索方法也能用但远未解决在检索层面论文测试了 BM25、TF-IDF、BGE、Contriever 以及混合方法和 LLM 重排序。几个结论稀疏和密集检索互补——BM25 在技能名称术语匹配上强BGE 在语义相似度上强LLM 重排序是最强的检索策略——给定 top-50 候选让 LLM 重新排序能显著提升质量。这说明技能检索不仅需要主题相关性还需要判断这个技能是不是当前任务的可用方案检索质量提升能传导到下游任务但增益被加载行为衰减——更好的检索确实带来更好的最终结果但增益被模型不管三七二十一随便加载的行为稀释了观点这篇论文的价值不在于提出了一个完美的解决方案而在于第一次系统性地定义和诊断了 Agent 技能检索这个问题的完整结构。检索、加载、应用三阶段的分析框架为后续研究提供了清晰的路线图。最后如果说程序员已经是高薪职业那么干AI的程序员就是高薪中的高薪。现在的市场已经用数据给程序员指明了方向学AI大模型就是冲刺高薪的最优解看着身边越来越多的同行转型大模型、拿到高薪offer很多人心里都动了心但真正的难题来了零基础小白不知道从哪入门有基础的程序员找不到系统学习路径实战项目练手无门面试不知道考什么别慌今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包覆盖从入门到实战、从理论到面试、从基础到进阶的全流程所有资料均已整理归档无冗余、无套路免费分享给每一位想抓住AI风口的程序员和小白扫码免费领取全部内容1、大模型系统化学习路线2、大模型学习书籍文档3、AI大模型最新行业报告4、大模型项目实战配套源码5、大模型大厂面试真题四阶段精细化学习规划附时间节点可直接照做结合上述资源给大家整理了一份可直接落地的四阶段学习规划总时长约2个月小白可循序渐进程序员可根据自身基础调整节奏高效掌握大模型核心能力快速实现从“入门”到“能落地、能面试”的跨越。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容6、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】