Skill 边界模糊时的工具披露

Q：对于边界不好定义的场景，Skill 形式不能很好区分场景披露工具，怎么办？

来源：阿里暑期Agent算法二面

新手答：“那就把所有工具都给模型看呗。”

高手答：

当场景边界模糊时，静态的 Skill → 工具映射会失效。解决思路是从“硬规则匹配”转向“动态推理 + 渐进披露”。

问题本质：Skill 的核心假设是“场景可以被清晰划分”——每个 Skill 对应一组明确的工具。但真实对话中，用户意图经常在多个 Skill 的边界上（比如“帮我查一下上周的销售数据，然后画个图发给老板”——涉及数据查询、可视化、通信三个 Skill）。

分层解决方案：

层级	策略	适用场景
意图预分类	LLM 先判断属于哪几个 Skill，按置信度披露	意图基本可判但有交叉
渐进式披露	先给核心工具，执行中发现需要就动态追加	意图需要多步才能明确
工具描述自带触发条件	在 tool description 中写明“当用户需要 XX 时使用”，让 LLM 自主判断	工具间无强耦合
Fallback 全局工具池	设置一批“全场景可用”的通用工具（如搜索、计算）	兜底

工程实践：

1. 两阶段路由：第一阶段用轻量分类器（或规则）粗筛 Top 3 Skill；第二阶段把这些 Skill 的工具合并后送给 LLM 选择
2. 动态工具注册：Agent 执行中途发现当前工具不够，主动请求“追加工具”——类似人类在做事时发现需要新权限
3. 相似度兜底：当分类器置信度低于阈值时，用 query 和所有工具描述做 embedding 相似度，取 Top K 直接送给模型

差距在哪：面试官考的是你对“Skill 系统设计假设”的理解——Skill 本质是静态场景划分，但现实是模糊的。能说出多阶段路由 + 渐进披露 + 动态追加的组合方案，说明你在生产中遇到过这个问题并做了系统性解决。