技能與選擇機制

**技能（skill）**是一種工作方式，經過打包：一句簡短的話說明它適用的時機、完整的程序，以及該程序所需的工具。這句話在每個回合的提示中都會出現；程序則僅在選定技能時才獲取。這種分離讓代理程式能夠擁有多種能力，而無需為每條訊息支付額外成本。

本頁討論的是難的部分：在所有可用選項中，哪一個會被使用——以及當沒有明顯合適選項時會發生什麼事。

兩個庫，同一個空間

每個代理程式都有來自兩個地方的技能，且無需告知它關於第一個地方的事：

• 平台技能——通用的工作方法（研究競爭對手、閱讀法規、評估潛在客戶）。預設對所有代理程式可用。
• 您的技能——您為自己的業務撰寫的，附加在每個代理程式上。

它們會一起被搜尋。共享空間並不使您的技能處於劣勢：在將 18 個真正具有行業特定性的技能混入 193 個通用技能中進行測量後，行業技能被更可靠地識別出來（86% 對比 79%）。行業詞彙——HS 編碼、出口退稅、商店合規性——與通用方法詞彙相距甚遠，因此更容易被挑出，而非更難。

檢索，因為完整列表無法運作

大約八個技能以下，這些都不會運行——完整列表會像以前一樣顯示。在這種規模下，列表已經準確，而檢索只能增加一種新的失敗方式：正確的技能未出現在候選名單中，模型隨後根據其自身知識作答，且日誌中沒有任何說明。

程序優先於工具

技能自身的工具在回合開始時不可用。載入技能才會將它們置於可用狀態。

這種順序在程式碼中強制執行，而非在提示中請求，原因是基於一項測量。當要求研究一家公司的競爭對手，並將程序和工具一起提供時，模型調用了網頁搜索三次，但從未打開程序。它從記憶中產生了競爭對手名稱，搜索這些虛構的名稱，一無所獲——它們並不存在——並將它們寫成答案。程序的第一步它從未閱讀，上面寫著*"首先確定這家公司實際上銷售什麼"*。

可選的程序不會被閱讀。 代理程式自身攜帶的工具不受影響：如果 web_search 在代理程式上，它將在本回合全程可用。僅因技能而到達的工具才等待該技能。

有些技能在開工前就拿到了材料

一個從空桌子開始的調研技能，只有一個地方可以取事實：模型自己的記憶。所以對於聲明了這一點的技能，平台會在技能執行之前先做第一輪查找——把訪客那句話變成檢索式、跑一遍，再把結果作為一張編號的事實表交給它，答案要照著這張表標出處。

寬度按技能定，因為它不是免費的。一個同時問了好幾件事的問題——怎麼收費、有什麼限制、我的資料怎麼匯出——兩條檢索式答不了。就用這個問題實測：窄的那一版寫了 2957 字、只掛 5 條出處，裡面每一個價格都是一個在任何來源裡都找不到的具體數字。把調研型技能的檢索寬度調開之後，同一個問題帶回 17 條出處，一次技術對比從 5.7 條升到 11.7 條。起草、改寫、算帳的技能什麼都不聲明，也就什麼都不搜。

同一個技能的指南裡，本來就用大白話寫著絕不寫出材料裡沒有的價格。它照寫不誤。提示詞裡的規則只是請求；真正改變了答案的，是給足材料。

還有一件事得跟著改。平台早有一道守衛盯著最壞的那種組合——搜了，卻一頁正文都沒打開，於是答案只能來自摘要。它問的是模型有沒有搜過。而在平台替技能去搜的那些輪次裡，模型一個工具都沒呼叫，這道守衛恰恰在它最該開的那一輪站到了一邊。現在它問的是這一輪到底有沒有搜尋結果，不管是誰去搜的。

當沒有明顯合適選項時，它會詢問

某些請求確實不指向單一技能。平台可以知道它處於這種情況——不是通過詢問模型是否確定，而是通過查看檢索分數的聚集程度。當前十五個候選者之間的差距微乎其微時，搜索沒有意見，而繼續作答則是一場賭博：在該區間內，正確技能排名第一的機率僅為 26%，而當分數分散時為 85%。

因此，在該區間內，且僅在該區間內，代理程式會先問一個問題——提供兩三個通俗選項（「您想要當前市場價格，還是對這特定物業的估值？」）而不是請求參數。在最困難的四分之一請求中，這將準確率從 36.7% 提高到 63.3%，平均需要 1.5 個問題。

讓模型自行決定何時詢問無效：當要求它運用判斷力時，它在 81.5% 的回合中進行了詢問——包括所有它本可以答對的回合。基於分數分散度進行閾值控制，它在 11% 的回合中進行詢問，且具有相同的好處。

這在實踐中的意義

• 代理程式無需配置即可了解常見工作方法，且了解更多方法不會增加每條訊息的成本。
• 您的技能在您的業務中勝出——這就是行業詞彙的用途。
• 技能要么遵循其程序，要么完全不運行。 它不能通過抓取工具並即興發揮來半遵循程序。
• 調研型技能開工時桌上就有來源，而不是只有記憶。 它寫的東西要照著那些材料標出處，材料沒覆蓋到的，就據實說沒查到。
• 模糊的請求會得到一個問題，而不是一個猜測——且該問題僅出現在系統確實無法判斷的少數回合中。