arXiv cs.AI· Vladimiros Peilivanidis (ARPA Hellenic Logical Systems)·· 11 小时前AI 评分58
Skillware：用模块化能力包替代提示词驱动智能体
Don't Prompt Your Agents. Equip Them: Skillware as a Modular Standard for Sovereign, Auditable, and Deterministic Capability Execution for Logical Systems
AI 导读
论文提出 Skillware 开放架构与能力注册表，把智能体的“想做什么”和“如何执行”分开，每个能力包由类型化 JSON 输入契约、确定性 Python 代码、任务指令、数据集和单元测试组成，并通过进程内适配器转成各模型的工具声明。
正文 · AI 翻译
摘要：当前自主逻辑系统依赖一个脆弱的假设：语言模型应当动态编写代码、猜测 API 载荷，并通过提示工程记住操作约束。在实践中，这会消耗大量上下文窗口、推高 API 费用，并产生在生产环境中不可预测地失败的脆弱智能体。
在这项工作中，我们提出 Skillware，一个开放的架构框架与能力注册表，它正式地将智能体想做什么与该任务如何执行分离开来。Skillware 不是用松散的文本指令或被称为“技能”的 markdown 文件来提示模型，而是为它们配备模块化、带版本控制的软件能力包。就像电子游戏中的技能快捷键在固定的世界规则下确定性地执行一样，每个能力包都结合了带类型的 JSON 输入契约、确定性的 Python 代码、任务指令、捆绑数据集和自动化单元测试。进程内适配器将这些能力转换为任意模型的原生工具声明，从前沿云端 API 到本地开放权重运行时，均实现零网络延迟。
在 368 个基准条件下评估 23 个前沿与开放权重模型，我们表明，配备 Skillware 的小型本地模型（3B 至 8B 参数）在复杂多步工作流上始终优于未配备的前沿模型。它们将 token 使用量最多降低 84.8%，将推理成本最多削减 97.3%，并完全消除参数错误。真正的智能体可靠性并非来自更大的模型或更长的提示，而是来自为逻辑系统配备经过验证的确定性软件。
最后，我们阐述了能力包在信息处理系统的不变连续统上的发展轨迹：从今天的数字逻辑系统，到明天的物联网、无人机和具身机器人，为可审计、实时的能力执行奠定基础。
| 评论： | 51 页，26 幅图。代码仓库与基准测试见 此 https URL |
| 主题： | 人工智能（cs.AI）；软件工程（cs.SE） |
| ACM 分类： | I.2.11；D.2.11；I.2.7 |
| 引用为： | arXiv:2611.07652 [cs.AI] |
| （或本版本使用 arXiv:2611.07652v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2611.07652 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Vladimiros Peilivanidis [查看电子邮件]
[v1]
2026 年 11 月 5 日星期四 08:38:51 UTC（5,397 KB）
来源：arXiv cs.AI · arxiv.org