Skill Registry — 技能注册表与动态发现
Skill-Skill-Registry-Dynamic-Loading · 10-MAS
experimentmulti_agent客服与VOC数据采集与治理MAS与智能体工程WF-C 客服分诊WF-D 选品扫描WF-E Review监控WF-G Listing内容优化
实现难度⭐⭐⭐☆☆
业务优先级⭐⭐⭐☆☆
业务视角
适用角色运营负责人 / CTO · 产品经理 · CEO
适用平台Amazon PPC + 库存 + 定价 多 Agent 协作 · TikTok 内容运营流水线
什么情况下用运营任务太碎，选品/定价/广告/客服同时跑，人手严重不足；重复性运营动作需要 7×24 响应但没有足够人力
成功是什么样的多个 AI Agent 协作自动完成跨系统运营任务，运营团队人效提升 3-5 倍，7×24 无人值守运营
业务痛点
1. 解决的问题
Skill Registry 是 MAS 工作流的核心基础设施，负责管理所有可用技能的元数据、依赖关系和运行时状态。核心洞察：一个可扩展的多 Agent 系统必须能动态发现、加载和组合技能，而不是硬编码固定流程。
2. 核心算法逻辑
Skill Registry 是 MAS 工作流的核心基础设施，负责管理所有可用技能的元数据、依赖关系和运行时状态。核心洞察：一个可扩展的多 Agent 系统必须能动态发现、加载和组合技能，而不是硬编码固定流程。
3. 业务应用场景
不同分析任务需要不同的技能组合。例如"抽取实体和情感"需要 InstructUIE + ABSA，"构建用户画像"需要 PERSONABOT + SoMeR。系统需要根据 Task Blueprint 自动匹配最合适的技能，而不是人工配置。
- Skill Registry 中注册的所有技能元数据 - Task Blueprint（任务类型、输入/输出 Schema、质量阈值）
业务价值： - 零配置启动分析任务，系统自动匹配最优技能 - 新技能注册后立即可用，无需修改编排逻辑 - 技能效果可量化对比（F1、延迟、成本）
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：中，需要技能元数据和性能指标
- 技术门槛：中，核心是依赖解析和 Schema 验证
- 工程复杂度：中，需要持久化和监控
- 维护成本：中低，技能注册是低频操作
- 基础设施地位：是整个 MAS 工作流的"技能目录"，所有任务都从这里开始
- 可扩展性：新技能即插即用，系统能力持续扩展
7. 代码模板
代码块数量：5 · 路径：未检测到
cd paper2skills-code/mas/skill_registry
python skill_registry.py8. 论文来源
未自动抽取；请查看原始 Skill 卡片。