大型语言模型的Agent技能：架构、获取、安全与未来方向

从单一语言模型向模块化、具备技能的Agent转变，标志着大语言模型（LLMs）在实际部署中的重要转变。通过可组合的指令、代码和资源包，Agent能够在无需重新训练的情况下动态扩展能力。本文系统梳理了Agent技能领域的最新进展，涵盖四个维度：(i) 架构基础，包括SKILL$.$md规范、渐进式上下文加载以及技能与MCP的互补作用；(ii) 技能获取，涉及基于技能库的强化学习、自主技能发现（SEAgent）和合成技能生成；(iii) 大规模部署，包括计算机使用代理（CUA）堆栈、GUI接地技术进步以及OSWorld和SWE-bench基准测试进展；(iv) 安全性，提出Skill Trust和生命周期治理框架以应对社区贡献技能中的漏洞问题。文章识别出七个开放挑战，并提出了构建可信、自我改进技能生态系统的研究议程。