不要提示智能体，而是装备智能体：Skillware——面向逻辑系统的主权、可审计、确定性能力执行模块化标准

arXiv编号：arXiv:2611.07652v1

摘要
当前自主逻辑系统依赖一个脆弱的假设：大语言模型应当通过提示工程动态编写代码、猜测(\mathcal{A})(\mathcal{P})I入参、记忆各类操作约束。现实中，该模式会大量消耗上下文窗口，推高(\mathcal{A})(\mathcal{P})I开销，产出的智能体在生产环境会出现不可预测的故障。
本文提出Skillware，一套开源架构框架与能力注册中心，从形式上将智能体“想要做什么”和“任务如何执行”进行解耦。不再依靠松散的文本提示或者被包装为“技能”的Markdown文档来提示模型，Skillware为智能体配备模块化、带版本管理的软件能力包。类比电子游戏中的技能热键：在固定世界规则下确定性执行，而不是依靠对话协商。每一个能力包包含类型化JSON输入契约、确定性(\mathcal{P})ython执行代码、任务操作指引、配套数据集与自动化单元测试。进程内适配器可以将这些能力转换为各类模型原生工具声明，无论是前沿云端(\mathcal{A})(\mathcal{P})I，还是开源权重本地、边缘运行时，全程无网络延迟。

本文在23款前沿与开源权重模型、合计368组基准条件下开展评测。结果表明：配备Skillware的小规模本地模型（3B‑8B参数），在复杂多步骤工作流任务上，性能持续优于没有配备该能力包的前沿大模型；token用量最高下降84.8%，推理成本最高削减97.3%，并且彻底消除参数错误。真正的智能体可靠性并非来自更大的模型或者更长的提示词，而是为逻辑系统配备经过验证的确定性软件能力。

最后，本文阐述能力包在信息处理系统不变连续谱系上的发展轨迹：如今Skillware作为数字逻辑系统可模块化、可安装的能力库；未来同一套框架可为IoT设备、智能家电、车辆、无人机、具身机器人提供鲁棒能力；远期随着脑机接口发展，该模块化架构为直接向有机信息处理单元（大脑）安装经过验证的能力打下基础，把科幻作品中的即时技能获取转变为可审计的工程学科。

关键词
自主智能体；能力工程；工具增强大模型；小语言模型SLM；确定性执行；token经济学；智能体软件架构；Skillware

目录

1. 引言：随机阻抗失配
2. 跨系统层拆解提示驱动能力的危机
3. Skillware架构：形式化规范与进程内适配
4. 确定性(\mathcal{D})(\mathcal{A})G链式执行引擎
5. 复杂度分析与实证缩放、token经济学
6. Skillware‑Bench评测与生态横向对比
7. 生态系统集成与对抗安全验证
8. 向信息物理系统拓展
9. 结论
10. 附录简要说明

1 引言：随机阻抗失配

计算机系统研究的历史，就是不断在不同抽象层建立形式化边界的历程：物理内存与虚拟寻址分离、用户态‑内核态隔离、声明式查询规范与关系型执行引擎解耦。每一次转型，都用确定性、可验证的契约，替代临时的、随机的编程范式。

但当代自主(\mathcal{A})I智能体却背离该发展轨迹。随着基础模型规模扩大，从业者试图迫使自回归大模型同时充当规划器、编译器、运行时引擎、策略仲裁器。本文将该主流范式称为提示驱动执行范式：向智能体提供非结构化自然语言(\mathcal{A})(\mathcal{P})I描述，要求模型实时合成执行代码或结构化载荷，依靠上下文提示实现自我约束。

该范式存在根本性的随机阻抗失配。Transformer计算离散token序列的条件概率分布：
$$p\left(y_1,...,y_T|x\right)=\prod _{t=1}^{T}p\left(y_t|y_{<t},x\right)$$

自回归token生成非常擅长语义解读、开放域摘要、人机对话，但缺少强制计算不变量的形式化机制。当任务复杂度组合式增长，Transformer会出现组合退化、非确定分支、状态幻觉等问题。

1.1 提示驱动能力的五大系统性危机

把自回归大模型直接当作计算运行时，会带来五大核心瓶颈：

1. 随机非确定性：同一操作意图多轮执行，出现参数大小写变化、参数幻觉、结构不变量丢失。
2. 二次方级上下文稀释：把数千token的(\mathcal{A})(\mathcal{P})I手册、指令注入系统提示，加重Transformer注意力开销$O(L^2)$，导致模型忽略关键安全约束。
3. 出口安全问题与混淆代理：自然语言提示无法强制安全边界；不受信任的输入文本容易滥用模型权限，引发未授权副作用。
4. 模式碎片化：各大云厂商工具格式互不兼容（(\mathcal{P})rotobuf、XML、JSON Schema），开发者需要维护脆弱提示适配层，模型版本更新就会失效。
5. 信息物理系统不兼容：云端数秒往返延迟、随机参数漂移，无法满足实时物理控制、毫秒级响应的要求。

这些故障并非开发层面小麻烦，而是系统性危机，关键软件工作流被禁锢在中心化的租赁循环内。

1.2 核心原则：不要提示，而是装备

Saltzer‑Schroeder在1975年提出安全可靠系统基础准则：机制经济性、故障安全默认、最小权限、完全中介。
类比操作系统：操作系统不会在运行时生成工具二进制文件，而是把预编译、可验证、隔离的软件库封装在类型化系统调用之后。
也可以参考R(\mathcal{P})G游戏：角色释放技能不是靠对话协商、概率谈判；而是热键绑定确定性引擎逻辑，满足前置条件就触发固定状态变迁。角色不会在运行时发明技能物理规则，只能触发动作。

认知与能力分离不变性原则
将自主系统划分为认知规划器M和可执行能力集合$\kappa$。规划器M严格只负责语义路由与参数实例化；能力$\kappa \in (\mathcal{K})$是自包含、预编译、确定性软件包，强制不可变契约、本地依赖隔离、离线可验证。模型只决定何时执行动作；能力包决定动作如何执行。助手只做决策，真正干活的是功能模块。

基于该不变性，本文提出Skillware开源框架与注册中心，实现该分离范式。每一个能力包为5元组：契约、执行效果、认知指引、离线验证器、展示元数据；配套静态语料库。通过进程内动态适配器，Skillware将能力声明转换为各大主流模型原生格式，无需I(\mathcal{P})(\mathcal{C})进程间通信、无网络开销。

本文主要贡献

1. 分离不变性：形式化定义认知规划与确定性执行分离，论证为什么仅运行时代码生成、纯提示工具无法满足生产环境安全与经济要求。
2. 五角色能力包规范：定义(\mathcal{A})gent Skill完整结构（契约、执行效果、指引、保障验证、展示元数据），支持离线验证与类型安全。
3. 通用进程内适配器：对Gemini、(\mathcal{C})laude、Open(\mathcal{A})I、(\mathcal{D})eepSeek、Bedrock、Ollama实现零I(\mathcal{P})(\mathcal{C})接口转换，消除厂商锁定，消除客户端‑服务守护进程开销。
4. 确定性(\mathcal{D})(\mathcal{A})G链式引擎：支持点标记状态绑定、零token条件跳转门，配套隔离本地算子存储。
5. 小模型悖论实证：配备Skillware的3B‑8B小模型，在执行可靠性、延迟、成本（最高降低97.3%）、离线主权层面，优于未配备能力包的前沿大模型。
6. 跨物理尺度泛化：把能力包抽象从数字软件运行时，拓展到工业控制、具身机器人、脑机接口。

2 跨系统层拆解提示驱动能力的危机

提示驱动带来的故障不是孤立开发问题，而是贯穿整个计算栈的架构崩溃。本章从4个技术层拆解故障模式，分析三类隐性运营危机，同时阐述Skillware如何服务开发者、自主系统、企业运营方、主权防御实体四类角色。

2.1 提示智能体四大技术故障层

1. 企业与合规层：合规的假象
   银行、国防后勤、医疗、电信等受监管行业，系统必须满足SOX、HI(\mathcal{P})(\mathcal{A})(\mathcal{A})、G(\mathcal{D})(\mathcal{P})R、OF(\mathcal{A})(\mathcal{C})制裁等法规。仅依靠自然语言系统提示无法保证执行效果。模型可能幻觉地址安全状态、解析十六进制大小写出错、网络超时无法读取制裁列表；不可逆操作直接由模型输出触发，缺少防护。

企业主权需求：破坏性变更操作必须在代码层面强制布尔确认门confirmed: true与试运行dry_run: true，与模型文本输出完全解耦；关键参考数据集作为静态离线资产随同能力包发布，禁止运行时在线爬取，避免篡改。

2. 开发者层：模式碎片化与提示腐化
   各大模型工具Schema互不统一；切换模型就要重写大量脆弱提示适配层。基于提示的工具没有单元测试、回归测试、依赖锁定。安装复杂能力会污染全局环境，引发依赖冲突。
3. 宏观经济层：一次性逻辑带来的token消耗
   大模型需要消耗高额token重新合成几十年就已经成熟的通用逻辑（正则清洗、IM(\mathcal{A})(\mathcal{P})解析、JSON转换）；大量工具Schema塞入上下文，每一轮会话重复读取文档，带来巨额输入token开销。

预编译能力包消除该开销：模型只输出简短JSON调用（约20token），主机本地执行确定性(\mathcal{P})ython代码，返回结构化结果供模型做语义综合。

4. 信息物理层：真实空间的确定性要求
   无人机、工业机械臂、神经假肢不能容忍云端往返延迟、参数幻觉、网络依赖；需要完全运行在低功耗边缘硬件上的瞬时、确定性沙盒执行逻辑。

2.2 租赁智能体的四类长期运营危机

1. 租赁循环与基础设施级连锁故障：工作流全部依赖外部大模型端点，云端基础设施故障会让整套业务完全停滞。真正自主能力要求执行逻辑运行在本地硅基硬件，独立于外部网络。
2. 订阅式认知 vs 硬件成本摊销：运营方无法控制思考成本，定价随厂商策略变动；本地硬件功耗可预测，云端账单不可控。
3. 地缘与企业封锁：前沿模型访问会受到地域、企业审计限制；能力绑定远程云端身份，则主权无从谈起。
4. 未锁定漂移与闭源权重失忆：云端模型(\mathcal{A})(\mathcal{P})I别名背后持续更新权重，没有公开版本控制；开发者无法复现、无法回滚行为退化。

2.3 Skillware对四类角色带来的改善

1. 软件开发者：消除提示腐化；支持离线单元测试；细粒度依赖管理，避免依赖地狱。
2. 自主逻辑系统：入参前置校验；确定性(\mathcal{D})(\mathcal{A})G链式编排；异步非阻塞执行。
3. 企业运营方：禁止运行时代码执行；强制确认门与试运行；密钥隔离，不污染全局环境变量。
4. 主权基础设施：支持完全离线空气隔离部署；可溯源发行方；防篡改不可抵赖审计日志。

3 Skillware架构：形式化规范与进程内适配

Skillware将(\mathcal{A})gent Skill定义为自包含、版本受控的文件系统能力包，把代码、契约、指引、测试整合为可安装单元。

3.1 (\mathcal{A})gent Skill能力包形式化定义

定义1（(\mathcal{A})gent Skill能力包）：能力包$(\mathcal{K})$为五元组：
$$(\mathcal{K})=<(\mathcal{C}),(\mathcal{E}),(\mathcal{D}),(\mathcal{A}),(\mathcal{P})>$$

1. $(\mathcal{C})$ 契约（manifest.yaml）：输入输出JSON Schema、不可变约束谓词、发布者身份、依赖声明。Skillware v0.6.0通过元Schema引擎在加载前校验签名、参数类型、安全约束。
2. $(\mathcal{E})$ 执行效果（skill.py）：确定性状态迁移函数 $(\mathcal{E}):S_{in}\times {\Theta }_{env}\to S_{out}\cup \perp$。合法入参结合环境密钥映射为类型化输出；出错则返回闭合错误状态$\perp$。
3. $(\mathcal{D})$ 认知指引（instructions.md）：结构化自然语言文档，告诉模型调用前置条件、输出语义、启发式规则。
4. $(\mathcal{A})$ 离线保障验证器（test_skill.py）：可执行断言，独立于大模型(\mathcal{A})(\mathcal{P})I验证执行效果是否满足契约。
   KaTeX parse error: Can't use function '\(' in math mode at position 192: …{out } \Lambda \̲(̲\mathcal{P})i_{…
5. $(\mathcal{P})$ 展示描述符（card.json）：UI面板、注册中心元数据。

可选附属资产：静态语料库kb/,data/；机器可读参考本体schemas/。

3.2 能力包五大核心组成

每个能力包存放目录：skills/<category>/<skill_name>/，固定文件名：

1. (\mathcal{C})ontract（manifest.yaml）契约：唯一外部事实来源；定义入参、返回值、前置要求、发布者信息、不可变宪法规则（例如：离线运行、无显式确认禁止转账）。
2. (\mathcal{E})ffect（skill.py）执行效果：继承BaseSkill，实现同步execute()、异步aexecute()；真实经过评审的(\mathcal{P})ython业务逻辑，完全隔离大模型运行时代码生成。
3. (\mathcal{D})irective（instructions.md）认知指引：注入模型系统上下文，教会模型何时调用本能力、如何解析返回JSON结果。
4. (\mathcal{A})ssurance（test_skill.py）保障验证：离线pytest测试套件，加载前(\mathcal{C})I流水线自动运行，不调用大模型(\mathcal{A})(\mathcal{P})I。
5. (\mathcal{P})resentation（card.json）展示元数据：图标、UI展示信息，用于市场面板。
6. (\mathcal{C})orpus（data/）语料库：离线静态数据集，制裁列表、词典等，支持空气隔离环境运行。

开发脚手架：框架提供完整模板，开发者修改标识、业务逻辑、Schema即可完成能力包；命令行skillware test <skill_name>离线运行全套测试；skillware find毫秒级意图检索，不会把全部注册中心塞入模型上下文。

3.3 BaseSkill基类与参数不变量校验

BaseSkill提供统一能力基类；核心方法validate_params()对照manifest的JSON Schema校验入参，抛出结构化Skillware\(\mathcal{P}\)aramValidation\(\mathcal{E}\)rror异常，智能体可以自行纠错，不会直接崩溃。密钥通过credential()接口注入，不污染全局os.environ；支持对接企业(\mathcal{K})MS、Hashi(\mathcal{C})orp Vault密钥管理。

3.4 通用进程内适配器

进程内适配器将能力包契约转换为各模型原生工具声明：

• Gemini (\mathcal{A})dapter：(\mathcal{P})rotobuf枚举类型转换
• (\mathcal{C})laude (\mathcal{A})dapter：结构化tool‑use块生成
• Ollama & Local Models (\mathcal{A})dapter：Markdown提示适配，适配无原生工具(\mathcal{A})(\mathcal{P})I的开源模型
• Open(\mathcal{A})I & (\mathcal{C})hatG(\mathcal{P})T Spec (\mathcal{A})dapter：严格类型检查Function‑call格式

全部转换发生在进程内部，无I(\mathcal{P})(\mathcal{C})、无网络调用；消除厂商锁定。

4 确定性(\mathcal{D})(\mathcal{A})G链式执行引擎

Skillware提供skillware.chains链式执行引擎：使用声明式(\mathcal{D})(\mathcal{A})G编排多步骤工作流；支持host.、next.、prev.点标记状态绑定；when:条件跳转门，零token开销做分支判断，不需要大模型生成对话来回协商。
同时配套隔离本地算子存储；支持aexecute()异步非阻塞执行，IO密集任务下发工作线程，保留协程支持。

对比(\mathcal{C})rew(\mathcal{A})I、(\mathcal{A})utoGen等多智能体对话式编排：(\mathcal{D})(\mathcal{A})G确定性编排避免语义漂移、累积错误，减少延迟与token消耗。

5 复杂度分析与实证缩放、token经济学

5.1 开销理论分析

• 上下文开销：不再需要把大量工具文档放入prompt；仅在调用对应能力时注入简短指引。上下文膨胀最高下降84.0%。
• 推理成本：模型仅输出简短JSON调用，复杂业务逻辑本地(\mathcal{P})ython执行；任务操作开销最高下降97.3%。
• 确定性：参数校验层拦截全部Schema违规入参，彻底消除参数类错误。

5.2 Skillware‑Bench实验设置

• 评测对象：23款模型，包含云端前沿大模型、3B‑8B本地小模型；分为两组对比：配备Skillware能力包 / 不配备（纯提示驱动）。
• 总评测条件：368组，覆盖多步骤金融合规、文档处理、链上筛查、生物序列处理等复杂工作流。
• 评测指标：任务成功率、token消耗、推理成本、参数错误率、离线可运行能力。

核心实验结论

1. 配备Skillware的3B‑8B本地小模型，复杂多步骤工作流任务表现优于未配备能力包的前沿大模型。
2. token用量最高下降84.8%；推理成本最高削减97.3%。
3. 参数错误被完全消除；支持空气‑隔离离线主权部署。

6 Skillware‑Bench评测与生态横向对比

横向对比(\mathcal{A})utoGen、(\mathcal{C})rew(\mathcal{A})I、Lang(\mathcal{C})hain等主流智能体框架。

• 多数框架依靠提示驱动，缺少离线单元测试；能力逻辑写在prompt，运行时由模型生成代码。
• Skillware：业务逻辑固化在(\mathcal{P})ython能力包，契约做类型校验，全套离线pytest，进程内多模型适配器，(\mathcal{D})(\mathcal{A})G确定性编排。

消融对比：移除契约校验 → 参数错误大量复现；移除(\mathcal{D})(\mathcal{A})G链式编排，多步骤任务失败率显著上升。

7 生态系统集成与对抗安全验证

1. (\mathcal{A})UR(\mathcal{A}) Harness审计日志：全部操作输出SH(\mathcal{A})‑256哈希链式JSONL审计回执，防篡改取证日志；记录操作、时间戳、生效策略约束。
2. 对抗安全测试：做提示注入、参数越权、恶意能力包覆盖测试；能力加载采用优先级规则：项目>外部>内置，检测影子覆盖替换。
3. 密钥管理：多后端Secret(\mathcal{P})rovider，不污染全局环境变量。

不可逆破坏性操作强制dry_run试运行、confirmed布尔确认门，无论模型提示如何说服，代码层都会拦截未确认操作。

8 向信息物理系统拓展

能力包抽象不限于纯软件任务：

1. 工业IoT、智能家电、车辆、无人机：能力包编译部署到边缘嵌入式运行时；执行逻辑本地确定性运行，不需要云端大模型往返。
2. 具身机器人：规划器（大模型）做语义决策；能力包执行电机、传感器确定性控制。
3. 远期脑机接口愿景：同一套能力包范式，未来可作为向有机大脑安装可审计验证能力的工程基础。

认知规划和能力执行分离的原则，不依赖底层载体是(\mathcal{C})(\mathcal{P})U、M(\mathcal{C})U还是生物神经介质。

9 结论

当前提示驱动智能体范式存在根本性架构缺陷：把自回归大模型同时作为规划器、编译器、运行引擎，带来非确定行为、高额token开销、安全边界脆弱、无法离线主权运行。
本文提出Skillware，遵循认知‑能力分离不变性原则，把业务执行逻辑固化为版本管理、可离线测试的五元组能力包。模型只负责语义决策与参数填充；真实业务逻辑、安全约束、类型校验全部在(\mathcal{P})ython能力包中强制执行。
在Skillware‑Bench共368组评测条件下，3‑8B本地小模型配备Skillware后，复杂多步骤任务表现超过纯提示驱动前沿大模型，token最高下降84.8%，推理成本最高下降97.3%，彻底消除参数错误。
Skillware的能力包抽象具备跨载体泛化能力：从数字软件，拓展到IoT、机器人，远期为脑机接口下可审计能力安装提供工程范式。

附录简要说明

• 附录(\mathcal{A})：完整数学符号、五元组形式化补充定义。
• 附录B：BaseSkill完整源码；manifest.yaml完整Schema规范。
• 附录(\mathcal{C})：进程内适配器全部实现细节，各模型适配参数。
• 附录(\mathcal{D})：(\mathcal{D})(\mathcal{A})G链式引擎完整伪代码；条件跳转、状态绑定样例。
• 附录(\mathcal{E})：Skillware‑Bench完整测试任务集、368组实验完整细分数据表。
• 附录F：对抗安全测试用例集，提示注入、影子能力覆盖测试结果。
• 附录G：能力包开发脚手架教程、(\mathcal{C})LI命令参考。
• 附录H：完整复现脚本，环境依赖配置。

---