一个 Agent 的 skill 装得越多,选错的那一次代价越大。
OpenSpace 来自港大的 HKUDS 实验室,最近刚开源,定位是给 Agent 管 skill 的一层。它管四件事,找得到、信得过、传得开、改得动。
它最实在的部分,是给 skill 留下运行记录。任务跑完,它记下了这份东西是否被选中、被用上,还是中途换了别的做法。工具变慢、变得不稳或者有风险时,对应的 skill 会被标出来。新提交的默认先放在试用区,通过几轮真实任务的检验,才进入放心选的那一档。
官方给了一组对照,测的是 Terminal-Bench 2.1。同一个冻结的 Hy3 底座,冷启动 65.2%,跑热之后是 78.7%。这里没有换模型,抬分的是那份慢慢攒下来的 skill 库。
它还做了件反直觉的事。云端那份只管发现,别人分享出来的 skill 摆在明面上,但要先导入到本机,才轮到自己的 Agent 去用。
这类工具适合 skill 库已经堆到记不清的程度的人。手上只有十几份,装它等于多养一个服务;等到自己写过什么都忘了,它才开始有用。
🔗链接:
顯示更多