SkillZip：面向可扩展智能体技能库的保契约图压缩 SkillZip: Contract-Preserving Graph Compression for Scalable Agent Skill Libraries

四阶段流水线。Sec2Graph：输入技能包 $s$，用标题、代码块、警告、测试等边界线索高召回切分（不全时模型辅助细化），推断每段执行角色 $\tau_b$，抽取接口 $(X_v, Y_v, R_v)$、守卫/验证条件 $G_v$ 与源指针；再连弱序、依赖、验证器（刻意保守，只连可达检查）、修复、成员五类边，标定 intent 根与输出终点，兼容出现才链规范原型。MotifZip：按角色签名、资源族、I/O 形状分桶生长候选模体，回原图记录非冲突出现；过边界清晰、签名稳定、依赖闭包、验证器可达四道硬检查后，用 $\Delta(g) = freq(g)\,L(g) - L(M_g) - L(rule_g) + \alpha\,Reuse(g) - \lambda\,Cut(g) - \mu\,Risk(g)$ 打分（$\alpha=0.5, \lambda=0.3, \mu=0.2$），按 $\Delta$ 降序贪心无冲突重写，宏分四级渲染。PathHydrate：AnalyzeTask 把查询转为含目标、输出、能力、输入、子目标的结构化任务对象；节级打分 $s(v, d_i, q) = \max(\cos(e(d_i), e(v)), \cos(e(q), e(v)))$ 兼顾子目标与原始命名，技能级两路排名经 RRF 融合集中种子；解约束优化 $P_q^\star = \arg\min_{P \subseteq G_{zip}}\ \eta T(P) + \beta|P| + \gamma E(P) - \delta\,Match(P, q)$（$\eta=0.4, \beta=\gamma=\delta=0.2$），满足锚覆盖、依赖闭包、验证器可达与 $T(P) \le B$；向后回补 Input/Precondition/Resource、向前回补 Failure/Verifier/Output 修脚手架，不可行则回退最小技能级包；按需选最低充分水合级别渲染 $C_q$ 并记日志 $L_q$。ReZip：新技能先过 Sec2Graph 再按类型化端口匹配既有宏，残差进缓冲 $B_{res}$；$supp_t(r) \geq m$、$\Delta(r) > 0$ 且契约校验通过时晋升新宏；执行轨迹更新 $\Sigma_t$，风险 $\rho_t(M) = \lambda_e\,n_{exp}/n_{use} + \lambda_v\,n_{fail}/n_{use} + \lambda_d\,c_{repair}/n_{use}$ 超阈值则先升渲染级别，持续风险拆分或退役宏。

技术新颖性有五点。第一，把「保契约压缩」形式化为技能库压缩的目标，用边界、签名、依赖闭包、验证器可达四道硬验收把压缩收益与契约正确性解耦：签名矛盾或验证器支持薄弱的模体会被 SignatureStable 在打分之前直接拒绝，增益再高也不拿来交换正确性——这与文本压缩「先压后看」的思路相反。第二，接口感知的类型化桶挖掘替代无约束频繁子图挖掘，把搜索限制在接口兼容邻域，使 10 万技能、477 万 section 节点的构图加 MotifZip 仅需 178 秒（缓存记录、不含 LLM 抽取）。第三，把渐进式披露从包级升级到图级：宏按名称/契约/大纲/全文四级水合，「契约不含所需输入、守卫或验证器即展开」，揭示最小可执行视图而非加载整包。第四，压缩-执行闭环：水合日志记录锚覆盖、依赖恢复、验证器状态、宏级别与源展开，这些运行时后条件与压缩约束一一对应，既构成结构感知评测协议，又作为 ReZip 修订宏的证据，使宏字典随执行证据演化。第五，命题 1 给出结构性的可逆保证并诚实声明其边界——不保证未记录行为的语义等价，也不保证验证器本身正确，这种有边界的理论刻画比笼统的「无损」更可信。

弱点一，契约抽取是全管线的单点依赖——99.2% 依赖保留建立在 91.6 F1 之上，而最薄弱的恰是常为隐式的前置条件与守卫（F1 88.7、EM 79.6），技能文档写得随意则「保契约」承诺松动；改进方向：测试执行反馈闭环校验、多模型投票抽取、沙箱插桩自动补全前置条件。弱点二，任务锚定依赖一次 LLM 结构化分析，锚错则检索、水合全链路皆错（26% 剩余失败来自检索）；改进方向：锚不确定性建模、多锚假设并行水合、执行中重锚定。弱点三，宏晋升与风险修订需要执行轨迹冷启动，新库初期宏字典接近空转，轨迹稀疏时 $\rho_t(M)$ 统计不稳；改进方向：主动生成探测任务、贝叶斯支持度估计替代频次。弱点四，四级渲染规则（契约缺所需输入/守卫即展开）是保守启发式，可能过展开或漏展开；改进方向：用水合日志训练学习型渲染级别选择器。弱点五，安全维度不足：宏是跨技能共享的执行单元，恶意技能注入带毒 motif 被晋升后可横向污染所有复用者，论文只保证结构可逆不保证内容可信；改进方向：宏级来源审计、血缘追踪与沙箱先验验证。

作者提出或暗示的方向：把 SkillZip 作为即插即用的过程记忆层推广到更多执行器与领域；重点修复检索歧义（相似技能锚定混淆）与隐式契约抽取这两个最大失败源。基于其成果可自然延伸的方向：其一，把宏字典与图文法搬进跨智能体技能市场——宏天然是可组合、可验证、带契约的技能构建块，可结合形式化验证做安全组合分析；其二，与强化学习结合，用任务回报直接优化水合级别与预算分配策略，替代手工设定的四级渲染规则；其三，具身与多模态技能的更细抽象——ALFWorld 压缩比仅 1.62×，动作序列模体需要时序对齐的挖掘方式；其四，增量维护的分布式版本，研究多 agent 共享同一压缩库时的并发更新、锁与合并语义；其五，把 DPR、VR、回退率、下游膨胀等结构保真指标标准化为独立基准，推动「保契约压缩」从一篇论文变成可比较的研究方向；其六，研究压缩表示对更长程多技能编排（skill chains）的影响，宏接口恰好可作为技能链的组合子。

复现评估：论文正文与附录未提及开源代码发布，这是最大的复现障碍；但方法与实验协议的披露非常完整。附录 A 给出五个组件的完整伪代码（含硬检查函数与贪心流程），附录 F 给出全部 prompt 模板（统一温度 0；抽取 512、签名规范化 2048、任务锚定按结构化输出上限的 token 限制），附录 D 给出全部实现细节：BGE-M3 做稠密检索（初始技能召回上限 12、余弦相似度不低于 0.45 且不低于最高分的 0.90）、MotifZip 权重 $\alpha=0.5, \lambda=0.3, \mu=0.2$、PathHydrate 权重 $\eta=0.4, \beta=\gamma=\delta=0.2$、六个 backbone 的具体型号、OpenHands 加 BenchFlow 0.6.2 Docker 执行、ALFWorld valid_seen 140 episodes、单台 Xeon Gold 6248R 加 512GB 内存服务器。数据侧 SkillsBench 与 ALFWorld 均为公开基准；确定性图操作全部从缓存记录出发，1K 技能构图加压缩仅 1.44 秒、100K 也只要 178 秒，无需训练 GPU。主要成本在于契约抽取需要调用 gpt-5.2-codex、Claude Sonnet 4.5 等商业 LLM 的 API。总体复现难度中等偏上：算法与评测协议确定性强，真正的不确定性来自 LLM 抽取质量的方差与 API 费用，以及需要自己复刻约千行规模的图基建。