Agent Skills
返回列表
熵感知决策框架

熵感知决策框架

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_d0deb03a/entropy-aware-skill-framework。

技能介绍

解决什么问题

当 Agent 执行 Skill 时，经常出现"决策坍缩"现象——无论输入什么请求，Agent 总是选择相同的工具、走相同的路径、输出相同结构的响应。这类似于 RLVR 训练中的"熵坍缩"，会导致 Agent 缺乏适应性和创造力。

具体表现包括：

  • 选择坍缩：总是调用同一个工具，忽视其他可用选项
  • 路径坍缩：反复走同一条执行流程，不考虑替代方案
  • 输出坍缩：生成的内容结构高度同质化，缺乏变化

核心能力与工作原理

本框架将 RLVR 训练中的熵控制思想映射到 Skill 执行过程，通过以下机制调节决策多样性：

熵映射机制

  • 将推理树映射为 Skill 决策树
  • 将 token 熵映射为决策熵
  • 将增枝/剪枝操作映射为保留替代方案/收敛确定方案
  • 将 STEER 限速映射为决策垫（熵垫）

熵垫设计模式
在关键决策节点嵌入"自检+干预"步骤：

  • 模式 P1：替代方案垫——防止选择坍缩
  • 模式 P2：路径多样性垫——防止路径坍缩
  • 模式 P3：结构变异垫——防止输出坍缩
  • 模式 P4：同义词/角度垫——防止搜索坍缩
  • 模式 P5：置信度稀释垫——防止过度自信

元熵控制器
三层控制架构：

  1. 被动熵垫：Skill 内嵌，自动触发自检
  2. 主动熵注入：外部观察并调节执行方向
  3. 宏观熵调度：跨 Skill 层管理整体熵平衡

适用边界与注意点

适合场景

  • 已存在"决策僵化"问题的 Skill 优化
  • 需要跨多个 Skill 协调执行的复杂系统
  • 对输出多样性有明确要求的应用场景

使用限制

  • 熵垫会增加一定的执行延迟，需要在多样性和效率之间权衡
  • 过高的熵可能导致决策散乱，需要在熵坍缩和熵发散之间找到平衡
  • 需要根据具体任务特性调整熵垫的干预强度和阈值

使用场景

  • 维护多个Agent技能时发现某个技能每次都用相同工具、走相同路径，想诊断并修复决策坍缩问题
  • 给已有技能的SKILL.md在搜索、调用工具、生成输出等关键节点嵌入熵垫，防止执行僵化
  • 管理多个知识库技能协同工作时需要元控制器统一调度，避免技能间决策冲突
  • 从零创建新技能时需要在设计阶段就考虑熵健康，避免上线后出现输出同质化

适合人员

  • 维护多个Agent技能的开发者，发现技能执行模式单一、缺乏适应性，需要诊断并优化决策多样性
  • 构建多技能协同Agent系统的工程师，需要协调多个技能的执行避免决策冲突和熵失衡
  • 研究Agent行为控制的技术人员，想要将RLVR训练中的熵控制理论应用到实际技能执行中
  • 负责技能质量评审的技术负责人，需要量化评估技能执行的熵健康程度并制定改进策略