SoK Agentic Skills — Agent Skill 全生命周期与方法论底座
Skill-Skill-Lifecycle-Design · 16-智能体工程
causalexperimentrecommendationragknowledge_graphmulti_agent供应链与补货客服与VOC推荐与搜索知识图谱与RAGMAS与智能体工程WF-A 智能补货WF-C 客服分诊WF-D 选品扫描WF-E Review监控WF-F 动态定价WF-H 复购增长
实现难度⭐⭐⭐☆☆
业务优先级⭐⭐⭐☆☆
业务视角
适用角色CTO / 技术负责人 · 产品经理 · 数据工程师
适用平台跨境运营 AI Agent 工程落地 · Amazon SP API + LLM 集成 · 多平台数据采集 Agent
什么情况下用想把 AI 集成到业务系统，但 LLM 稳定性差、幻觉问题、成本控制都是挑战；Agent 任务失败了不知道哪步出了问题
成功是什么样的AI Agent 在生产环境稳定运行，失败可追踪，成本可控，复杂任务完成率 >85%
业务痛点
1. 解决的问题
SoK Agentic Skills(Systematization of Knowledge)是 Agent Skill 领域第一篇综合 survey,把分散在 Voyager / CodeAct / Reflexion / Claude Skills / GPT Store / MCP 等系统中的"Skill 概念"统一为一个理论框架。它解决三个根本问题
2. 核心算法逻辑
SoK Agentic Skills(Systematization of Knowledge)是 Agent Skill 领域第一篇综合 survey,把分散在 Voyager / CodeAct / Reflexion / Claude Skills / GPT Store / MCP 等系统中的"Skill 概念"统一为一个理论框架。它解决三个根本问题:
3. 业务应用场景
本项目 `paper2skills-vault/` 当前有 15+ 领域 80+ Skill 卡,但每张卡的"何时用、怎么用、何时停、怎么调用"散落在各模块中,没有统一的契约。新人 onboarding 或 Agent 自动选 skill 时,缺乏明确的 trigger 条件,误用率高。
- 现有 Skill 卡 80+ 篇 markdown(模块 ① 算法原理 + ② 应用案例) - 实际调用日志(如果有) - 错误案例(skill 误用、用错时机)
每张 Skill 卡新增统一"4 元组 header":
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- 数据要求:低,主要是元数据建模
- 技术门槛:低,主要是文档工程 + Python 简单注册器
- 工程复杂度:中,涉及现有 80+ Skill 卡的批量重构
- 维护成本:低,4 元组一旦建立可长期使用
- 方法论底座:为本项目所有 16+ 领域提供统一抽象,后续所有 Skill 卡受益
- 质量护城河:与 SkillsBench 实证(curated +16.2pp vs self -1.3pp)形成对照,本项目 curated 路线得到背书
7. 代码模板
代码块数量：4 · 路径：未检测到
cd paper2skills-code/llm_agent_engineering/skill_lifecycle_design
python skill_contract.py8. 论文来源
- 2305.16291
- 2402.01030
- 2602.12670
- 2602.20867