四分之一已安装的 skill 有个孪生兄弟。五分之一的运行选错了那个。
周五 arXiv 列表上两篇论文量了一件事：装完一个 skill 之后到底发生了什么，答案是比 skill 自己说的少。One Skill Too Many，作者 Chaoliang Yan、Zihao Xu、Yuekang Li 等，是第一次正面研究 skill 之间的冲突。他们挖了 20947 个仓库快照，生成 822109 对候选相似 skill，让大模型判定其中 3754 对，再把 312 对确认冲突的放到三个模型上跑：6368 次运行，169294 次工具调用，542 个 agent 小时。大约四分之一已安装的 skill 旁边装着一个近似重复的版本，37% 被判定的 skill 来自复制粘贴的合集。孪生版存在时，agent 大约每五次运行有一次打开的是它而不是你要的那个。先打开孪生版的那些运行里，原 skill 超过三分之一的独有核心行为丢了，例子是一条禁止 git 命令的规则根本没有生效，而任务照样通过，所以没有任何东西报警。决定谁赢的是安装位置。列表顺序几乎不起作用。
第二篇，浙大和 CSIRO 的 Yu Cheng、Dehai Zhao、Zhongxin Liu 等人周四修订的 An Empirical Study of Agent Skills' Downstream Utility，问的是一个相关的 skill 到底有没有用。他们把效用定义为相对于不装 skill 的通过率差值，在 87 个 SkillsBench 任务、九种模型加 harness 配置上测，市场语料 37596 个 skill。36.78% 的任务上，同一个 skill 对某些配置有帮助对另一些有害，轨迹里能看到原因：推荐的流程变成了执行负担，模型忙着照流程走而不是解决任务。按相关性排序挑出的候选比按"是否支持任务所需操作"重排的更差，后者把首选通过率提高 4.35 到 5.80 个百分点。多个 skill 按依赖 DAG 组织优于简单的使用顺序，收益集中在一次给了五六个 skill 的任务上。
和本周早些时候的 Skill Constellations 一起看，那篇发现 220 万次 skill 采用是通过复制图谱流动的，skill 生态的全貌是一个没有依赖解析器的包管理器。副本泛滥，孪生版遮住原版，安装路径是决胜规则，而唯一算数的测试"任务过没过"恰恰是看不见这个问题的那个测试。两篇论文结尾提的是同一个要求：安装时做冲突检查，给每个 skill 一个效用分数，两样东西没有任何市场在提供。
One Skill Too Many：https://arxiv.org/abs/2610.11647
Downstream Utility：https://arxiv.org/abs/2610.08875
← 返回所有文章
第二篇，浙大和 CSIRO 的 Yu Cheng、Dehai Zhao、Zhongxin Liu 等人周四修订的 An Empirical Study of Agent Skills' Downstream Utility，问的是一个相关的 skill 到底有没有用。他们把效用定义为相对于不装 skill 的通过率差值，在 87 个 SkillsBench 任务、九种模型加 harness 配置上测，市场语料 37596 个 skill。36.78% 的任务上，同一个 skill 对某些配置有帮助对另一些有害，轨迹里能看到原因：推荐的流程变成了执行负担，模型忙着照流程走而不是解决任务。按相关性排序挑出的候选比按"是否支持任务所需操作"重排的更差，后者把首选通过率提高 4.35 到 5.80 个百分点。多个 skill 按依赖 DAG 组织优于简单的使用顺序，收益集中在一次给了五六个 skill 的任务上。
和本周早些时候的 Skill Constellations 一起看，那篇发现 220 万次 skill 采用是通过复制图谱流动的，skill 生态的全貌是一个没有依赖解析器的包管理器。副本泛滥，孪生版遮住原版，安装路径是决胜规则，而唯一算数的测试"任务过没过"恰恰是看不见这个问题的那个测试。两篇论文结尾提的是同一个要求：安装时做冲突检查，给每个 skill 一个效用分数，两样东西没有任何市场在提供。
One Skill Too Many：https://arxiv.org/abs/2610.11647
Downstream Utility：https://arxiv.org/abs/2610.08875
评论