ai-agent-book/chapter2/agent-skills-ppt/papers/sample_outline.json

{
  "title": "渐进式披露式 Agent Skills 对上下文效率的影响",
  "subtitle": "示例作者团队 · 示例数据（对应 papers/sample_paper.md）",
  "slides": [
    {
      "title": "目录",
      "bullets": [
        "研究背景与问题",
        "方法概述：三层渐进式披露",
        "关键结果：上下文与缓存",
        "局限性与讨论",
        "小结"
      ]
    },
    {
      "title": "研究背景与问题",
      "bullets": [
        "Agent 支持的任务越多，单一系统提示词越线性膨胀",
        "长提示词带来 token 成本、注意力稀释、缓存前缀失效三重代价",
        "核心矛盾：让 Agent「知道自己有哪些能力」又不长期占用上下文"
      ]
    },
    {
      "title": "方法概述（总体思路）",
      "bullets": [
        "先给 Agent 一份薄目录，需要时再加载完整 Skill",
        "第一层：启动只注入各 Skill 的 name + description（数百 token）",
        "第二层：任务触发时加载完整 SKILL.md 作为 tool result"
      ]
    },
    {
      "title": "方法概述（关键机制）",
      "bullets": [
        "第三层：按需读取 reference.md、脚本源码等子文档",
        "description 应写成「路由条件」而非「功能介绍」",
        "捆绑可执行脚本，把知识升级为可落地的能力"
      ]
    },
    {
      "title": "关键结果（效率指标）",
      "bullets": [
        "常驻上下文从数千 token 降到目录级的数百 token",
        "工具数量恒定、前缀稳定，KV Cache 命中率显著提升"
      ]
    },
    {
      "title": "关键结果（效果对比）",
      "bullets": [
        "需要专业 Skill 的任务上，成功率与「全量注入」基线持平",
        "加入反例（Don't use when）明显提升路由准确率",
        "减少不相关任务上的误触发"
      ]
    },
    {
      "title": "局限性与讨论",
      "bullets": [
        "触发依赖模型的「元认知」，判断失误会漏加载 Skill",
        "第三方 Skill 是新的提示注入面，加载前需审查其内容"
      ]
    },
    {
      "title": "小结",
      "bullets": [
        "渐进式披露把「一次性塞满」变为「按需加载」",
        "几乎不损失任务成功率，同时大幅降低常驻上下文",
        "是构建可扩展 Agent 能力体系的实用范式"
      ]
    }
  ]
}