AIHOT 于 2026-08-17 收录了“论文揭示智能体技能真相：稳定执行而非注入知识”这一公开动态。以下先呈现从来源页面抓取的正文，再给出 AIHOT 摘要与 TopoReduce 编辑解读。
PUBLIC SOURCE CONTENT
正文抓取受限，展示 AIHOT 可用内容公开原文内容
Great paper demystifying agent skills.
一篇论文通过8，135条标准化试验记录揭示智能体技能（skills）的作用机制：程序锚定占技能有效案例的65.7%，显式知识注入仅占4.5%，技能主要稳定执行而非补充知识。当技能池从5个增至100个，实际使用精确率从29.6%降至3.3%。技能在匹配对比中仍比Workflow Memory高6.06分，但在脆弱假设、不兼容上下文或适配不足时会失效。
引用：elvisInteresting paper demystifying agent skills. If you maintain skills for your agent, this one is worth your time. (bookma...
AIHOT 摘要
一篇论文通过8,135条标准化试验记录揭示智能体技能（skills）的作用机制：程序锚定占技能有效案例的65.7%，显式知识注入仅占4.5%，技能主要稳定执行而非补充知识。当技能池从5个增至100个，实际使用精确率从29.6%降至3.3%。技能在匹配对比中仍比Workflow Memory高6.06分，但在脆弱假设、不兼容上下文或适配不足时会失效。
为什么值得关注
技能维护常被当作知识注入，这篇论文用 8,135 条试验记录说明主要作用是稳定执行而非提供事实，技能池扩大时实际使用精度明显下降，可能影响技能库规模设计。
工程化解读
从 TopoReduce 的工程视角看，这条信息属于“论文与研究”主题。它的价值不只在于一个新产品或新观点本身，还在于说明 AI 系统正在如何影响模型接入、智能体协作、研发流程、基础设施和团队决策。实际采用前，应结合原文确认版本、适用范围、价格和运行条件。
- 发布时间：2026-08-17；AIHOT 分类：论文与研究。
- AIHOT 标签：
- AIHOT 判断：技能维护常被当作知识注入，这篇论文用 8,135 条试验记录说明主要作用是稳定执行而非提供事实，技能池扩大时实际使用精度明显下降，可能影响技能库规模设计。
- AIHOT 评分：41；评分用于站内排序，不等同于独立评测结论。
TopoReduce 编辑观察
当 AI 动态进入真实生产环境，团队需要同时关注能力边界、数据来源、调用成本、权限控制和可回滚性。把单条新闻放回完整工程链路中阅读，比只看标题更有助于判断它是否适合自己的产品和工作流。