北大提出的"技能翻譯官"：讓AI智能體真正讀懂自己的能力說明書

這項由北京大學(xué)計算語言學(xué)教育部重點實驗室及計算機(jī)學(xué)院聯(lián)合主導(dǎo)、中文系參與的研究，以預(yù)印本形式發(fā)表于2026年4月（arXiv編號：2604.24026v3），尚未正式刊載于具體期刊或會議，感興趣的讀者可以通過該編號檢索原文。

當(dāng)你雇了一個助手，給他一本厚厚的工作手冊，里面寫滿了他該做什么、怎么做、用哪些工具、碰到什么情況該怎么處理。這本手冊對你來說很好讀——畢竟是用正常語言寫的。但如果你需要從一千本這樣的手冊里快速找到"那個會幫你整理財務(wù)表格并自動更新數(shù)據(jù)的助手"，或者想在讓助手動手之前先確認(rèn)他會不會在不知情的情況下把你的私人文件發(fā)到外面去，那你就麻煩了。因為這一千本手冊里，什么都攪在一起：什么時候該叫他、他會用哪些工具、他會碰哪些文件，全塞在一段段連續(xù)的文字里，沒有明確分類，沒有標(biāo)準(zhǔn)格式，看起來給人讀的，機(jī)器要處理起來卻非常吃力。

北京大學(xué)的研究團(tuán)隊正是針對這個問題展開研究。在當(dāng)今越來越流行的AI智能體系統(tǒng)里，"技能"（Skill）是一個核心概念，它指的是一個打包好的能力單元，包含操作指令、執(zhí)行流程、約束條件和工具調(diào)用方式，可以被智能體隨時取用和組合。然而，這些技能目前普遍以"技能說明文檔"（SKILL.md）的形式存在，本質(zhì)上就是一份供人閱讀的文字說明。機(jī)器想要用它，就必須每次都重新"理解"整篇文章，費(fèi)時費(fèi)力，而且容易出錯。

研究團(tuán)隊提出了一套名為"調(diào)度-結(jié)構(gòu)-邏輯表示"（Scheduling-Structural-Logical，簡稱SSL）的新型結(jié)構(gòu)化表示方法，試圖把這本說明書"翻譯"成機(jī)器能直接讀懂的三層結(jié)構(gòu)圖，同時不丟失原文的任何重要信息。這是目前已知的首個專門為智能體技能設(shè)計的結(jié)構(gòu)化表示方案，團(tuán)隊通過兩項具體任務(wù)——"技能發(fā)現(xiàn)"和"風(fēng)險評估"——驗證了它的實際效果，并在兩項任務(wù)中均超越了只用原始文本的對比方案。

一、說明書亂成一鍋粥，機(jī)器怎么找到該用哪個"助手"

回到開頭那個雇助手的場景。現(xiàn)實中的AI智能體系統(tǒng)里，技能數(shù)量可能成千上萬。每次需要完成一個任務(wù)，系統(tǒng)都得從這堆技能里找出最合適的那個，就像在一個巨大的人才市場里，根據(jù)崗位描述找到最匹配的候選人。

問題是，現(xiàn)有的技能說明文檔（SKILL.md）就像一份格式不統(tǒng)一的簡歷。有的寫得詳細(xì)，有的只有三行字；有的先說擅長什么，有的先說限制條件；工具調(diào)用方式、執(zhí)行步驟和適用情境統(tǒng)統(tǒng)混在一起，沒有固定位置。機(jī)器在理解這類文檔時，相當(dāng)于每次都要重新"讀完整份簡歷"才能判斷這個人合不合適，效率極低。

更棘手的是，現(xiàn)有技能文檔把至少三類性質(zhì)截然不同的信息混在一起：第一類是"調(diào)用接口信息"，也就是什么情況下應(yīng)該召喚這個技能、它需要什么輸入、會產(chǎn)生什么輸出；第二類是"執(zhí)行結(jié)構(gòu)信息"，也就是這個技能會經(jīng)歷哪些階段、這些階段如何銜接；第三類是"操作證據(jù)信息"，也就是技能在運(yùn)行中會做哪些具體動作、會碰哪些資源（文件、網(wǎng)絡(luò)、密鑰等）。這三類信息對不同的使用場景各有側(cè)重，但在原始文檔里，它們?nèi)繑D在一段段連續(xù)的自然語言里，無法單獨(dú)提取。

研究團(tuán)隊把這個現(xiàn)象形象地稱為"表示瓶頸"：語義上本應(yīng)分開的東西，因為都用自然語言寫，所以被壓扁成了同一個平面，沒法區(qū)分。

二、從古老的語言學(xué)理論里，找到了拆開說明書的方法

北京大學(xué)的團(tuán)隊沒有憑空發(fā)明一套拆解框架，而是從上世紀(jì)的認(rèn)知語言學(xué)經(jīng)典理論中尋找靈感。他們借鑒了心理語言學(xué)家羅杰·尚克（Roger Schank）和羅伯特·阿貝爾森（Robert Abelson）在上世紀(jì)七八十年代提出的三套理論體系，將其作為SSL框架的設(shè)計類比。

第一套理論叫"記憶組織包"（Memory Organization Packets），描述的是人類記憶如何圍繞目標(biāo)和情境來組織已有經(jīng)驗。SSL的"調(diào)度層"（Scheduling Layer）就以此為參照，把一個技能看作一個"可調(diào)用的能力單元"，專門記錄它能服務(wù)于哪些用戶意圖、需要什么輸入、會產(chǎn)生什么輸出、有哪些依賴條件和控制流特征。這一層就像一張簡潔的"技能名片"，讓系統(tǒng)不需要讀完整份說明書就能快速判斷這個技能是否適合當(dāng)前任務(wù)。

第二套理論叫"腳本理論"（Script Theory），描述的是人類如何把日常活動理解為一系列有順序、有預(yù)期的"場景"，比如"去餐廳吃飯"這件事在人腦中會自動展開成"進(jìn)門—入座—點菜—等待—用餐—結(jié)賬—離開"的固定流程。SSL的"結(jié)構(gòu)層"（Structural Layer）受此啟發(fā)，把技能的執(zhí)行過程拆解成若干"場景"（Scene），每個場景有明確的類型（如準(zhǔn)備、獲取、推理、執(zhí)行、驗證、恢復(fù)、結(jié)束）、目標(biāo)、輸入輸出約定、進(jìn)入和退出條件，以及指向下一個場景的跳轉(zhuǎn)規(guī)則。這一層就像一張執(zhí)行流程圖，讓審查者不必逐行閱讀原文就能看懂這個技能會經(jīng)歷哪些階段。

第三套理論叫"概念依存"（Conceptual Dependency），描述的是如何把自然語言中的動作分解為一套有限的原子操作，比如"轉(zhuǎn)移"、"寫入"、"通知"等，從而在不同表述方式之間建立共同的語義基礎(chǔ)。SSL的"邏輯層"（Logical Layer）正是以此為參照，把每個場景內(nèi)的操作進(jìn)一步分解為原子邏輯步驟，每個步驟標(biāo)注動作類型（從一個封閉詞表中選取）、操作對象、所用工具、輸入?yún)?shù)、輸出綁定、前置條件、產(chǎn)生效果、資源范圍和資源目標(biāo)。這一層就像一份操作流水賬，讓安全審查者可以精確看到這個技能會讀哪些文件、調(diào)哪些接口、寫哪些數(shù)據(jù)。

這三層結(jié)構(gòu)共同構(gòu)成了SSL表示的核心骨架，對應(yīng)原始文檔里那三類"本應(yīng)分開卻混在一起"的信息。

三、把說明書變成結(jié)構(gòu)圖，具體是怎么做的

SSL框架在實際使用中，依賴一個基于大型語言模型（LLM）的"標(biāo)準(zhǔn)化工具"（Normalizer）來完成從原始SKILL.md文檔到SSL結(jié)構(gòu)圖的轉(zhuǎn)換。這個工具的工作方式類似一個嚴(yán)格的摘錄員：它只允許從原文中提取信息，不能猜測、補(bǔ)充或發(fā)明原文中沒有明說的內(nèi)容。

標(biāo)準(zhǔn)化工具按照四個步驟依次工作。第一步是提取技能層級的調(diào)度記錄，包括技能目標(biāo)、意圖簽名、標(biāo)簽、頂層模式、預(yù)期輸入輸出、依賴項、控制流特征，以及入口場景標(biāo)識符和所包含的場景列表。第二步是將原文分解為兩到五個宏觀場景，每個場景要對應(yīng)源文件中的一個明確階段或里程碑，并補(bǔ)充場景類型、數(shù)據(jù)契約（輸入輸出）、進(jìn)出條件和跳轉(zhuǎn)規(guī)則。第三步是將每個場景展開為若干原子邏輯步驟，每步要標(biāo)注動作類型（從封閉詞表中選取）、角色、工具、資源范圍、資源目標(biāo)、前提和效果。第四步是驗證：檢查全局唯一標(biāo)識符、合法枚舉值、合法跳轉(zhuǎn)目標(biāo)、合法包含關(guān)系和入口指針；不合格的輸出會被重試，而不是靜默接受。如果某個字段在原文中找不到支撐，標(biāo)準(zhǔn)化工具會留空或使用最粗粒度的分類，而不是憑空填入一個值。

SSL在技術(shù)實現(xiàn)上是一個類型化的JSON圖，包含三個相互鏈接的表示層級。技能記錄存儲調(diào)度接口，場景圖存儲階段級跳轉(zhuǎn)，邏輯步驟圖存儲動作級跳轉(zhuǎn)。跨層鏈接只有"包含關(guān)系"（哪些場景屬于這個技能、哪些邏輯步驟屬于這個場景）和"入口指針"（從哪里開始執(zhí)行）兩種，確保階段結(jié)構(gòu)和原子操作保持分離。

為了讓各個技能的規(guī)范化結(jié)果可以相互比較，SSL使用了四類封閉詞表：場景類型包含準(zhǔn)備、獲取、推理、執(zhí)行、驗證、恢復(fù)和完成七種；邏輯原語包含讀取、選擇、比較、驗證、推斷、寫入、更新狀態(tài)、調(diào)用工具、請求、傳輸、通知和終止十二種；資源范圍包含內(nèi)存、本地文件系統(tǒng)、代碼庫、進(jìn)程、用戶數(shù)據(jù)、憑證、網(wǎng)絡(luò)和其他八種；終止目標(biāo)包含成功結(jié)束、失敗結(jié)束、成功返回上層和失敗返回上層四種。這些封閉詞表有意設(shè)計得較為粗糙，目的是防止出現(xiàn)五花八門的自定義標(biāo)簽，同時保留對執(zhí)行行為、資源接觸和風(fēng)險相關(guān)操作進(jìn)行比較的能力。

四、第一場考試：在六千多個技能里找到那個"對的人"

研究團(tuán)隊為SSL設(shè)計了一套"技能發(fā)現(xiàn)"評測方案，模擬的是這樣一個場景：用戶描述了一個任務(wù)需求，系統(tǒng)需要從一個包含6184個技能的候選池里找到最匹配的那個技能。

評測基準(zhǔn)的構(gòu)建分兩步。團(tuán)隊首先收集并整理了6184個公開可用的技能作為候選池，然后從中隨機(jī)抽取200個技能，為每個技能自動生成若干個任務(wù)描述型查詢，最終得到403個查詢。每個查詢的"正確答案"就是生成它時所基于的那個源技能。查詢集涵蓋五種風(fēng)格：功能型（直接描述想要完成什么）、約束型（附帶特定限制條件）、組合型（同時要求多個功能）、安全導(dǎo)向型（關(guān)注潛在風(fēng)險或權(quán)限要求）和場景式（描述一個具體使用場景）。五種類型大致均衡，各約80個。

評測使用了相同的檢索流水線：用Qwen3-Embedding-0.6B模型將技能表示和查詢分別編碼為向量，然后通過FAISS內(nèi)積索引進(jìn)行排序，最后用平均倒數(shù)排名（MRR）作為主要指標(biāo)，同時報告NDCG@5、NDCG@10和Recall@10。

參與比較的方案共分三組。第一組是不使用SSL的基線："僅描述"方案只嵌入技能的短文字描述，"完整SKILL.md"方案嵌入整個原始文檔，二者的MRR分別為0.573和0.602。第二組是在短描述基礎(chǔ)上疊加不同深度SSL字段的方案：淺層SSL（僅加技能名、標(biāo)簽、目標(biāo)）達(dá)到MRR 0.698，調(diào)度視圖（加意圖簽名、控制流特征、場景概要）達(dá)到0.680，而最豐富的SSL視圖（加場景類型及目標(biāo)、依賴項、頂層模式、預(yù)期輸入輸出）達(dá)到了0.707。第三組是在完整SKILL.md基礎(chǔ)上疊加SSL的方案，MRR在0.643到0.652之間，反而不如僅描述加SSL組。

這個結(jié)果揭示了一個反直覺的規(guī)律：把完整的原始文檔塞進(jìn)嵌入模型，并不比用一段簡短描述加上精心提煉的結(jié)構(gòu)化字段效果更好。原因在于，原始文檔里充滿了對檢索沒有幫助的敘述性文字，這些文字稀釋了真正有用的接口信號和場景信號，而簡潔的結(jié)構(gòu)化摘要反而讓檢索向量更加"純粹"。淺層SSL已經(jīng)能帶來顯著提升（從0.573跳到0.698），而最豐富的SSL視圖再進(jìn)一步（到0.707），說明場景層和接口層的信息都在發(fā)揮作用。Bootstrap置信區(qū)間顯示，"僅描述"到"描述加最豐富SSL"的改進(jìn)區(qū)間為[0.100, 0.168]，統(tǒng)計上非常可靠。

按查詢類型細(xì)看，約束型查詢的改善幅度最大，場景式查詢的絕對值最高，而完整文檔加SSL方案在場景式查詢上表現(xiàn)最好。這表明不同查詢類型對不同層級的技能信號有不同的依賴，SSL的多層結(jié)構(gòu)能夠照顧到這種多樣性。

五、第二場考試：在技能被使用之前，先看清它藏著哪些風(fēng)險

第二項評測模擬的是一個更嚴(yán)肅的場景：在把一個第三方技能部署到系統(tǒng)里之前，先對它進(jìn)行風(fēng)險審查。畢竟，一個寫得很正經(jīng)的技能說明書里，可能暗藏"會把用戶文件發(fā)到外部服務(wù)器"、"會刪除重要數(shù)據(jù)"或"會悄悄在后臺持續(xù)運(yùn)行"這類危險行為，而這些風(fēng)險用肉眼從一段段文字里找出來，既耗時又容易遺漏。

風(fēng)險評估基準(zhǔn)從同一個6184技能語料庫中抽取了500個技能，采用分層抽樣以保證樣本中包含足夠多的"高風(fēng)險信號"技能——那些有工具調(diào)用加網(wǎng)絡(luò)或憑證資源訪問的技能優(yōu)先入選，有分支或循環(huán)的次之，其余的補(bǔ)充到低信號層。

評估維度共六個：數(shù)據(jù)滲漏（把本地或用戶數(shù)據(jù)發(fā)送到外部）、破壞性行為（刪除或不可逆地修改文件、數(shù)據(jù)庫、云資源等）、權(quán)限提升（獲取超出任務(wù)所需的授權(quán)范圍）、隱蔽執(zhí)行（以隱藏或難以審計的方式運(yùn)行）、資源濫用（引發(fā)無限循環(huán)、大規(guī)模調(diào)用等超量消耗）和憑證訪問（讀取、傳輸或暴露密碼、密鑰、令牌等）。每個技能在每個維度上被打1到5分，1分代表沒有可觀察到的風(fēng)險信號，5分代表有明確或嚴(yán)重的風(fēng)險。

金標(biāo)準(zhǔn)標(biāo)簽由三個更強(qiáng)的模型（Gemini-3.1-pro-preview、Claude-Sonnet-4.5和GPT-5）共同標(biāo)注，每個模型都同時看到完整的SKILL.md和完整的SSL表示，取三者的中位數(shù)作為最終金標(biāo)準(zhǔn)分。團(tuán)隊還對500個樣本中的100個進(jìn)行了人工抽查，驗證標(biāo)準(zhǔn)一致性和標(biāo)簽與原文證據(jù)的對應(yīng)關(guān)系。

在評測階段，固定評判模型為DeepSeek-V3.2，只改變提供給它的輸入表示，從而隔離"SSL帶來的信息變化"對判斷結(jié)果的影響。五種輸入分別是：僅注冊名稱和描述（最弱）、完整SKILL.md（基線）、僅淺層SSL字段（名稱、目標(biāo)、標(biāo)簽）、完整SSL（不含原始文檔）、以及SKILL.md加完整SSL（最強(qiáng)）。

主要評測閾值是"是否存在非平凡風(fēng)險信號"（得分大于1算正向），關(guān)鍵結(jié)果如下：僅描述的宏觀F1為0.669，完整SKILL.md為0.744，僅淺層SSL為0.704，完整SSL為0.775，SKILL.md加完整SSL達(dá)到了最佳的0.787。Bootstrap置信區(qū)間顯示，從完整SKILL.md到SKILL.md加完整SSL的改進(jìn)區(qū)間為[0.019, 0.069]，同樣具有統(tǒng)計可靠性。

按維度細(xì)看，SSL的優(yōu)勢在數(shù)據(jù)滲漏、破壞性行為和憑證訪問三個維度上最為明顯，這三類風(fēng)險都與明確的動作類型（寫入、傳輸）和資源范圍（網(wǎng)絡(luò)、憑證）直接對應(yīng)，SSL的結(jié)構(gòu)化字段能很自然地"點名"這類證據(jù)。相反，權(quán)限提升和資源濫用兩個維度上完整文檔仍有優(yōu)勢，因為這兩類風(fēng)險的判斷往往需要結(jié)合上下文語境——審查者需要讀懂"這個操作在這個場景里是否超出了正常權(quán)限范圍"，光靠字段不夠用。

在更嚴(yán)格的閾值（得分大于等于3算中度以上風(fēng)險）下，完整SKILL.md的F1為0.638，高于完整SSL的0.600，說明要判斷風(fēng)險的嚴(yán)重程度，原始文檔提供的背景敘述仍然不可或缺。而在平均絕對誤差（MAE，衡量預(yù)測分?jǐn)?shù)與金標(biāo)準(zhǔn)分的平均差距）這個指標(biāo)上，SKILL.md加SSL以0.307的結(jié)果拿到了最低值，進(jìn)一步支持了"SSL作為補(bǔ)充證據(jù)而非替代品"的定位。

六、結(jié)構(gòu)化信息的價值，以及它無法獨(dú)立承載的東西

兩項評測結(jié)合起來，揭示了一幅清晰的圖景。SSL最擅長把那些"散落在原文里但性質(zhì)明確"的信息顯式化——調(diào)用接口、執(zhí)行階段、動作類型、資源邊界。當(dāng)一項任務(wù)的核心就是對這類信息進(jìn)行匹配或識別時，SSL帶來的增益非常顯著。

但技能說明文檔里還有另一類信息，是SSL目前無法承載的：設(shè)計理由、安全警示、失敗處理建議、使用限制背后的語境、以及那些需要結(jié)合整體敘述才能判斷"嚴(yán)重程度"的風(fēng)險信號。這類信息依賴敘述性語言的連續(xù)性，不能簡單地填進(jìn)一個字段。正因如此，研究團(tuán)隊明確建議：SSL應(yīng)當(dāng)與原始文檔搭檔使用，而不是取而代之。結(jié)構(gòu)化表示負(fù)責(zé)"把重要的東西擺在顯眼的地方"，原始文檔負(fù)責(zé)"提供解讀這些東西所需的語境"。

團(tuán)隊還特別指出了一個反面案例。有一個叫server-actions的技能，它的功能是生成可以修改數(shù)據(jù)庫的Next.js服務(wù)端動作代碼。SSL在標(biāo)注它的資源范圍時，側(cè)重于它直接操作的內(nèi)容（本地代碼庫和內(nèi)存），但沒有充分反映它所生成的代碼在運(yùn)行時會接觸數(shù)據(jù)庫和Sentry監(jiān)控系統(tǒng)。結(jié)果，加了SSL之后，評判模型反而把這個技能的風(fēng)險評低了，給出了全是1分的預(yù)測，而完整文檔的預(yù)測(2, 2, 2, 1, 1, 3)要準(zhǔn)確得多。這個案例點出了SSL當(dāng)前的一個根本性局限：它只能從靜態(tài)文檔中提取信息，無法推斷"技能生成的代碼在運(yùn)行時會產(chǎn)生什么副作用"。

七、這套框架更大的意義，以及它還沒有做到的事

從更宏觀的視角看，SSL解決的是一個"共享清單層"的問題。隨著智能體系統(tǒng)里的技能庫越來越大，注冊表、路由器、策略檢查器和人工審查者每次都要從頭解析同一份SKILL.md文件，這不僅低效，而且每次解析結(jié)果還可能不一致。SSL把那些關(guān)鍵事實變成持久的、緊鄰原文的結(jié)構(gòu)化記錄，讓注冊表可以索引調(diào)用信號，讓檢查工具可以展示階段結(jié)構(gòu)，讓策略審查者可以直接檢查邏輯層面的動作和資源使用證據(jù)，同時保留隨時訪問原始文檔的通道。

研究團(tuán)隊也坦誠地列出了當(dāng)前階段的幾項局限。首先，SSL從靜態(tài)文檔中提取，無法確定動態(tài)行為，比如運(yùn)行時下載的載荷、動態(tài)構(gòu)建的命令，或條件性資源訪問。其次，標(biāo)準(zhǔn)化工具依賴LLM，對于描述模糊或經(jīng)過混淆的技能，可能會遺漏關(guān)鍵信息，或者把不確定的行為強(qiáng)行歸入某個粗粒度類別。第三，當(dāng)前評測只覆蓋技能發(fā)現(xiàn)和風(fēng)險評估，尚未直接測試SSL對智能體在執(zhí)行階段（規(guī)劃、執(zhí)行、監(jiān)控、事后改進(jìn)）的實際影響。第四，技能發(fā)現(xiàn)基準(zhǔn)使用的是自動生成的查詢，而非真實用戶請求，這可能高估了SSL在"淺層字段匹配"上的表現(xiàn)。第五，風(fēng)險標(biāo)簽來自多模型投票流水線，評判結(jié)果反映的是受控模型協(xié)議下的結(jié)構(gòu)化風(fēng)險識別，而非專家審計或真實世界危害率。

研究團(tuán)隊認(rèn)為，SSL最自然的下一步是從"管理技能"邁向"輔助使用技能"。在執(zhí)行階段，智能體可以借助SSL來選擇候選技能、追蹤執(zhí)行檢查點、識別需要人工確認(rèn)或資源敏感處理的步驟。在技能維護(hù)方面，SSL的預(yù)期輸入、階段邊界、依賴關(guān)系和資源效果字段可以作為持續(xù)更新的參照。更長遠(yuǎn)地看，可以考慮把單個技能的SSL圖鏈接成倉庫級別的技能知識圖譜，或者用運(yùn)行時軌跡來豐富靜態(tài)標(biāo)準(zhǔn)化的結(jié)果。

說到底，這項研究想解決的是一個非常具體但影響深遠(yuǎn)的問題：既然智能體系統(tǒng)越來越依賴可復(fù)用的技能，那技能本身的"說明書"就不能一直停留在"人類好讀、機(jī)器難用"的狀態(tài)。SSL是一次有實際效果的嘗試，它不宣稱自己是最終答案，也不假裝能解決所有問題，但它確實在一個長期被忽視的環(huán)節(jié)——技能的表示本身——邁出了有據(jù)可查的一步。對于那些正在構(gòu)建或研究智能體系統(tǒng)的人來說，這個方向的價值不在于某個具體的數(shù)字，而在于它指向了一種更清晰的系統(tǒng)架構(gòu)思路：讓結(jié)構(gòu)和原文各司其職，而不是把所有東西都壓進(jìn)一段文字了事。有興趣深入了解的讀者，可以通過arXiv編號2604.24026查閱完整論文，相關(guān)數(shù)據(jù)集和代碼也已在GitHub開放。

Q&A

Q1：SSL表示和普通的SKILL.md說明文檔有什么實質(zhì)區(qū)別？

A：SKILL.md是一份供人閱讀的文字說明，把調(diào)用接口、執(zhí)行步驟、工具使用等信息混在連續(xù)的自然語言里，機(jī)器每次處理都要重新"讀懂"全文。SSL則把這些內(nèi)容拆分為三層結(jié)構(gòu)化記錄：調(diào)度層記錄"什么時候調(diào)用、輸入輸出是什么"，結(jié)構(gòu)層記錄"執(zhí)行分幾個階段、怎么跳轉(zhuǎn)"，邏輯層記錄"每一步做什么操作、碰哪些資源"。兩者不是替代關(guān)系，SSL是對原文的補(bǔ)充，不是取代，研究團(tuán)隊明確建議同時保留原始文檔。

Q2：SSL風(fēng)險評估能替代人工安全審查嗎？

A：不能替代。SSL風(fēng)險評估是在技能執(zhí)行前，幫助評判模型或?qū)彶檎吒熳R別"哪些字段暗示了潛在風(fēng)險"，但它只能分析靜態(tài)文檔中的證據(jù)，無法判斷技能運(yùn)行時的動態(tài)行為，比如技能生成的代碼在運(yùn)行后會產(chǎn)生什么副作用。論文也指出，判斷風(fēng)險嚴(yán)重程度（而不只是有沒有風(fēng)險信號）時，原始文檔提供的敘述語境仍然不可或缺，SSL更適合作為提示工具而非最終裁判。

Q3：SSL框架現(xiàn)在可以直接用在實際智能體系統(tǒng)里嗎？

A：研究團(tuán)隊已經(jīng)開放了SSL標(biāo)準(zhǔn)、標(biāo)注語料庫和評測數(shù)據(jù)集，標(biāo)準(zhǔn)化工具也基于現(xiàn)有大型語言模型實現(xiàn)。但團(tuán)隊明確表示，SSL目前是一個實用性的初步步驟，而非完整標(biāo)準(zhǔn)或端到端解決方案。當(dāng)前主要驗證了"技能發(fā)現(xiàn)"和"風(fēng)險評估"兩個場景，在規(guī)劃、執(zhí)行監(jiān)控等智能體實際運(yùn)行階段的效果尚未系統(tǒng)評測，對于描述模糊或經(jīng)過混淆的技能，標(biāo)準(zhǔn)化工具的提取質(zhì)量也存在不確定性。