阿里与浙大提出 SkillZip Pro：生产级 AI 智能体技能包的动态上下文压缩方案

阿里巴巴与浙江大学研究团队于 2026 年 8 月底在 arXiv 发布论文，提出了面向生产级 AI 智能体技能包的动态上下文压缩方案 SkillZip Pro，探索在多文件技能结构下降低长上下文消耗的方法。

• 针对生产级智能体技能目录包的渐进加载特性，当根环境或声明契约已提供必要内容时，跨文件去除引用文件与子技能中的冗余文本。
• 压缩过程中严格保留依赖路由，保证所需脚本、模式定义及可直接调用的执行入口始终保持可达。
• 提供单次全量构建（One-Shot）、增量状态复用（Continual）、持久化改写（Persistent）与仅运行期生效的临时视图（Transient）四种部署模式。
• 论文在内容审核技能场景的测试数据显示，该方案实现了 38% 的技能包 Token 削减与 10.4% 的端到端运行 Token 下降，且未降低任务执行质量。
• 影响/看点：该方案意味着多层级、工具密集型的复杂智能体有望在生产环境中降低推理开销，其规模化效益取决于实际业务中技能调用树的深度与复用频次。
• 资料依据：
• arXiv（2026-08-30）：https://arxiv.org/abs/2608.30785
• X：DAIR.AI（2026-09-01）：https://x.com/dair_ai/status/2094811526767182090

本内容由 AI 生成，仅供参考，请注意甄别