【Agent Skill结合Graph做技能检索及演化思路：SkillGraphs方案解读】在之前的文章《Agent Skill结合知识图谱进展：SkillSynth做数据合成及GraSP将Skill执行变为DAG图》(http://t.cn/AXJkvZUW)中，看了两个工作。一个是Skill结合图谱做Agent训练数据合成思路-SkillSynth，属于数据合成的范畴，还贴了skill和知识图谱。另一个就是将skill执行搞成DAG图的思路，这是具体的执行方式上的切换了。那么，图有了，可否进行自进化？现在看第三个工作：《SKILLGRAPH: Skill-Augmented Reinforcement Learning for Agents via Evolving Skill Graphs》,http://t.cn/AXiiFrTl，打的点还是说，现有Agent的技能库多为扁平结构，仅按语义相似度检索，无法建模技能依赖与执行顺序，组合任务需要好几个技能按顺序拼起来才能完成，智能体不光要找到相关技能，还要知道谁依赖谁、谁先谁后，列表式技能库做不到。例如，ALFWorld中的“加热并放置”任务可能需要先定位物体，再将其拿起，使用电器加热，最后放置到目标位置。一个扁平的Top-K 检索器可以返回相关技能，但无法表明它们之间的依赖关系或执行顺序。所以，结合图搞一下，搞个SKILLGRAPH框架，思路就是把技能建成一张带类型边的有向图，让技能之间的依赖、增强、共现关系可计算、可检索、可进化，让Agent拿到任务时，不是搜一堆零散技能，而是直接拿到一套按依赖排好序的“技能执行路线图”，并且这张图还会跟着Agent一起变好。也就是：SKILLGRAPH=技能图（节点=技能，边=关系）+图感知检索（输出有序技能）+图进化（自动增删改技能）+闭环强化学习（策略和图一起变强），所以，就是贴了知识图谱+演化两个点，可以进一步总结为几个问题：技能从哪来？轨迹蒸馏；技能怎么存？图结构 + 三类关系；技能怎么用？依赖有序检索；技能怎么更新？自动增删并分；技能怎么开放？课程式渐进解锁；技能怎么和策略配合？闭环强化学习。http://t.cn/AXiiFrTj。也推荐看看，挺好的思路。