面向智能体技能的系统基础：架构、生命周期与安全性

自主大型语言模型（LLM）智能体在部署于复杂、长时程任务时，正日益面临可靠性、上下文消耗和执行稳定性的瓶颈。尽管单体式提示工程和无状态工具调用范式难以扩展，但该领域正迅速转向 \emph{agentic skills}：一种模块化的过程抽象，将执行知识外显为可复用、可执行且可移植的工件。本文为 agentic skills 生态系统建立了统一的系统基础和参考架构。我们将技能形式化为外显的过程性知识，连接高层认知规划与确定性执行环境，并系统性地划分出一个九阶段生命周期中的架构：自主发现、编写与表示格式、记忆存储、动态检索与路由、组合与编排、执行与修复、终身适应、经验评估以及安全治理。我们进一步考察了市场动态、公共注册库和新兴的对抗性威胁向量，并讨论运行时验证和防御机制。最后，我们对涵盖软件工程、操作系统导航、具身机器人和科学发现的系统实现进行了分类，同时强调了持续学习和基准真实性方面的关键开放挑战。这项工作将 agentic skills 确立为构建可扩展、稳健且可验证的自主语言智能体的基础性范式。