从技能文本到技能结构：面向 Agent 技能的调度-结构-逻辑表示 From Skill Text to Skill Structure: The Scheduling-Structural-Logical Representation for Agent Skills

第一步用 DeepSeek-V3.2 驱动的 LLM 归一器对源 Skill 文档做语义抽取：prompt 内显式规定三图 Schema、允许的枚举值和 grounding 策略，每填一个字段必须能从原文找到证据。第二步把 Skill 级字段汇总为调度记录 $r_{sch}$，覆盖 skill 标识、goal、tags、intent 签名、输入/输出契约、控制流特征和场景聚合画像。第三步把文档切成 Scene（prepare/acquire/reason/act/verify/recover 等阶段），构建 $G_{str}$ 的节点和边。第四步把每个 Scene 细化为 logic step，每个 step 选择一个 act_type（闭集原语枚举，记录在 Appendix A）以及参数、效果、资源边界，作为 $G_{log}$ 的节点和边。第五步验证：检查结构良好性、标识一致性、枚举合规、$R_{cont}$ 包含链接正确、$R_{entry}$ 入口可解析以及转移目标合法；解析或硬校验失败自动重试。100 条人工抽检显示 83% 字段与源文档一致。

新颖性不在于单独提出某个图结构，而在于它是第一个"专为 Agent Skill 而非通用工具/服务"设计的三层分解，且每层都显式对应 Schank 认知表征理论中的一种经典抽象；外加一个完整可操作的归一 pipeline 和两个下游评测（Skill Discovery + Risk Assessment）。和只能提供静态描述的 README-to-text 压缩方法相比，SSL 把"阶段执行轨迹"和"原子动作—资源—控制流"做成有类型节点和边，让下游既可以单独消费某一层、也可以把三层一起作为证据池。这种"中间证据层"的定位让 SSL 比 RAG 类外挂更结构化、比函数调用 schema 更面向 Skill 包管理。

第一，SSL 当前完全是文本静态提取，无法预测运行时副作用，未来改进方向是把 SSL 与沙箱执行 trace 联动，在每个 logic step 上回填实际资源访问和参数实例化结果。第二，归一器依赖单一 LLM（DeepSeek-V3.2），既可能漏抽又可能编造，未来可引入多模型投票 + 结构一致性校验，把每一层的枚举值与源文档片段绑定回指针，让用户能直接溯源到原文片段。第三，闭集 act_type 和枚举 scene 类型虽然便于比较，但遇到新场景（如 LLM agent 调用外部 API 链）会过粗，可改为"核心闭集 + 插件式扩展槽位"，并提供 controlled vocabulary evolvement 流程。第四，风险评测把 SSL 喂给同一个 LLM 判官，存在确认偏倚，应该交叉用人类专家或独立模型做盲评，特别是 covert execution 这类 F1 仍只有 0.264 的维度。第五，6,184 条 Skill 的覆盖偏差直接影响检索评测的外部效度，应该报告 Skill 类型分布、覆盖领域，并做子群稳定性检查。

作者明确指出的下一步是把 SSL 从"管理 Skill"扩展到"使用 Skill"，例如把多个 Skill 的 SSL 图链接成仓库级 skill graph，便于组合与复用；以及把静态归一与运行时 trace 结合，让 SSL 在执行时充当操作指南和风险检查清单。基于结果我能想到的延伸包括：(1) 把 SSL 作为 Agent 规划阶段的中间提示结构，让 planner 在每个 Scene 完成后回填实际 step 与证据，形成自我审计；(2) 用 SSL 在 Skill 注册层做去重和冲突检测，识别不同 Skill 中重复或矛盾的 logic step；(3) 把 SSL 接入 CI 流程，对每个 PR 自动跑归一器并比较 SSL diff，作为 Skill 升级审查的辅助证据；(4) 探索 SSL 与其他结构化资产（如模型 card、数据 card）的本体对齐，构建统一的 Agent 资产目录。

作者声明 SSL 规范、标注语料和评测数据集已开源在 https://github.com/COOLPKU/SSL，包括 6,184 条 Skill 语料、431 条意图级查询和带六维风险标签的 252 条 Skill 集合。复现所需算力相对友好：Skill Discovery 只需要在 Qwen3-Embedding-0.6B 上对 6,184 个候选文本做 embedding 并建一个 FAISS 内积索引，单卡 GPU 即可在小时内完成；Risk Assessment 则需要调用 DeepSeek-V3.2 API（无开源权重），并辅以 Gemini-3.1、Claude-Sonnet-4.5、GPT-5 做标签生成，这意味着读者要么拥有这些闭源 API 的访问权，要么自行用替代模型重做归一与判官。归一 prompt、Schema 和校验规则在 Appendix A/C 中给出，但完整 prompt 模板和全部场景枚举表只在 GitHub 仓库里公开，需要结合仓库才能完整复现。