🎮 SKILL-DISCO：教 AI 记住聪明的做事方法

论文: SKILL-DISCO: Distilling and Compiling Agent Traces into Reusable Procedural Skills
作者: Zhongxin Guo, Danrui Qi, Hanwen Gu, Peng Cheng, Yongqiang Xiong
机构: Microsoft Research & Beijing Foreign Studies University
arXiv: 2606.26669
整理时间: 2026-07-29

---

🤔 AI 遇到了什么问题？

想象你是一个聪明的小机器人 🤖

你每天都要做很多家务：

• 🍳 热牛奶 → 去厨房 → 打开冰箱 → 拿出牛奶 → 放微波炉 → 加热
• 📖 找书 → 去书房 → 打开抽屉 → 翻找 → 拿到书

但是！ 每次做类似的事情，你都要从头想一遍，就像从来没做过一样！

前后对比

😫 以前的样子	😊 有了 SKILL-DISCO 后
每次找东西都要重新想：”去这里… 然后打开… 然后找…” 又慢又累！	记住了一个万能公式：“找东西 = 去房间 → 翻找 → 拿到” 以后直接套用！

---

🧠 三个重要的”魔法概念”

📍 概念 1：任务就像走迷宫（FSM）

大人说： FSM（有限状态机）是一个数学模型，描述任务由有限的状态和确定性的转移组成。

🧒 小朋友理解： 想象你在玩一个闯关游戏！每个房间就是一个”状态”，你做的每个动作（开门、拿东西）就是从一个房间走到另一个房间。只要你知道规则和路线，就能顺利通关！

🎮 游戏闯关 = 状态机

起点 🏠 → 找房间 🔍 → 拿东西 📦 → 完成 🎉

---

🎭 概念 2：万能公式（PFSM）

大人说： PFSM（参数化有限状态机）把具体的状态和动作抽象为带参数的状态和算子，使得不同轨迹可以实例化为相同的执行模式。

🧒 小朋友理解： 就像你学会了一个万能句型：”去__[地方]拿[东西]__”。不管是”去冰箱拿牛奶”还是”去抽屉拿铅笔”，用的都是同一个句型！只是里面的”地方”和”东西”换了一下。

📝 万能公式示例

万能技能：找东西 🔍

去 [地方] → 翻找 [东西] → 拿到 [目标] 🎯

实例	地方	东西	动作
🥛 找牛奶	厨房	牛奶	拿起来
📖 找书	书房	书	捧起来
🧸 找玩具	卧室	玩具熊	抱起来

都是同一个”找东西”技能！

---

🎭 深入理解 PFSM：像玩”填空题”一样

🧒 最最最简单的理解：
PFSM 就像一个你最喜欢的**”填空题游戏本”** 📔！
每一页都印着同一个故事模板，只是有些地方是空白的，需要你填上不同的答案。
填不同的答案，就变成了不同的故事，但讲故事的方法是一样的！

📖 故事模板（PFSM 技能）

从前，有一个小机器人要去 _____ 找 _____。
它先去了第一个房间，打开门看了看。
如果找到了，就 _____。
如果没找到，就去下一个房间继续找。
最后，小机器人开心地完成任务！🎉

故事	地方	东西	动作
故事 A：找牛奶	厨房	牛奶	拿起来
故事 B：找故事书	书房	故事书	捧起来
故事 C：找小熊	卧室	玩具熊	抱起来

💡 发现了吗？
三个故事虽然讲的事情不同（找牛奶、找书、找玩具熊），但是讲故事的套路完全一样！
就像你学会了唱一首歌的旋律 🎵，只要换一换歌词，就能唱出很多首不同的歌！
PFSM 就是这个”旋律”，参数就是可以换的”歌词”！

---

🏗️ PFSM 就像”乐高积木”

🧱 以前的方法	🏰 PFSM 方法
每次都要造一座全新的房子	先造一个”万能城堡模板”
📝 “去厨房拿牛奶”	🧩 “去__[地方]拿[东西]__”
📝 “去书房拿铅笔”	一个模板，千变万化！
📝 “去卧室拿袜子”	填什么就是什么！✨
每句话都是独立的！

🧒 小朋友想一想：
如果你有 100 个不同的小玩具要找，用以前的方法要写 100 句不同的话。
但是有了 PFSM 的万能公式，你只需要一句话 + 100 种填空答案！
就像你有一个魔法印章 🪄，只要在空格里盖不同的图案，就能变出不同的东西！
这就是 PFSM 聪明的地方 —— 用一个”空框框”装下无数种可能！

---

🚦 PFSM 还有”红绿灯”

PFSM 不只是填空，它还能根据情况做不同的选择！就像过马路要看红绿灯 🚦

🎮 小游戏：找东西的”智能路线”

🏁 开始 → 去房间 🚪 → 🔍 找到了吗？ → ❌ 没有 → 去下一个房间
                                    ↓
                              ✅ 找到了！ → 拿走它 🎁 → 🎉 完成任务

🧒 看这个”红绿灯”路线：
小机器人不是傻傻地一条道走到黑，它会一边走一边看：
“找到了吗？” → 如果红灯（没找到），就换条路继续找 🔄
“找到了吗？” → 如果绿灯（找到了），就拿走完成任务 ✅
PFSM 就是包含了这些”红绿灯判断”的万能路线图！

---

🧪 概念 3：技能工厂（SKILL-DISCO）

大人说： SKILL-DISCO 是一个蒸馏-编译框架，从成功轨迹中蒸馏可复用的 PFSM 子图，并将其编译为可调用、可执行、可验证的程序性技能。

🧒 小朋友理解： 想象你有一个”聪明药水工厂” 🏭！你把以前成功做过的事情（比如成功找到过牛奶、成功找到过书）倒进工厂里。工厂会自动找出这些事情中相同的部分，做成一个个”技能药丸” 💊。以后遇到类似的事情，直接吞一颗药丸就知道怎么做了！

---

⚙️ SKILL-DISCO 是怎么工作的？

整个框架就像一座**”技能工厂”**，有两个大车间：

🔥 第一车间：蒸馏（Distillation）	🔧 第二车间：编译（Compilation）
把成功经验”煮”出精华	把精华做成可用的工具
⚗️	🛠️

---

📋 详细步骤

步骤 1：📝 记录成功故事（轨迹规范化）

把 AI 做过的事情整理成清晰的步骤清单。

🧒 就像你写日记，把”今天我做了什么”一步一步写清楚，不能漏掉任何一个动作！

---

步骤 2：✂️ 切成小片段（子目标提取）

把一个长故事切成几个可以单独使用的小故事。

🧒 就像把一本厚书分成几个章节，每个章节讲一个小主题。这样你可以单独看任何一个章节！

示例：

长故事：去厨房 → 开冰箱 → 拿牛奶 → 关冰箱 → 去客厅 → 放微波炉 → 加热 → 拿出来

切成：
  [找东西]：去厨房 → 开冰箱 → 拿牛奶
  [用电器]：放微波炉 → 加热 → 拿出来

---

步骤 3：🧩 找出相同的拼图块（技能整合）

看看哪些小片段在不同故事里反复出现。

🧒 你有很多次”找东西”的经历，虽然找的东西不同，但步骤都差不多！工厂就把这些相似的步骤打包成一个”找东西”技能包。

🎯 聪明之处： 只保留那些在很多次成功中都出现过的步骤组合，这样技能才可靠！

---

步骤 4：📋 写说明书（技能规范）

给每个技能写一个详细的说明书：叫什么名字、需要什么、能做什么、不能做什么。

🧒 就像乐高积木的说明书，告诉你这个积木块是什么形状、可以拼在哪里、能用来做什么！

---

步骤 5：🧪 考试验证（合成与验证）

把技能写成真正的程序代码，然后在新的任务上测试，看看是不是真的好用。

🧒 就像你学会了一个新游戏技巧，要在真正的游戏里试一试，看是不是真的好用！不好用就再改一改，直到好用为止！

---

🔬 技术深入：FSM、PFSM 与合并机制

📍 从 FSM 到 PFSM：从”精确地图”到”万能模板”

大人说： FSM（有限状态机）记录的是具体执行路径，而 PFSM（参数化有限状态机）通过引入参数空间 Θ，将具体状态/动作抽象为参数化状态/算子，使得不同轨迹可以实例化为相同的执行模式。

🧒 小朋友理解：
想象你有两张藏宝图 🗺️：

图 A（FSM）：”从家出发 → 走到第3棵橡树 → 向左转 → 挖开泥土 → 找到金币”

图 B（FSM）：”从家出发 → 走到河边 → 向右转 → 搬开石头 → 找到银币”

这两张图看起来完全不同！

但是 PFSM 把两张图变成了同一个万能模板：
“从家出发 → 走到[地标] → [转向] → [移动障碍] → 找到[宝藏]”

填上不同的参数，就是不同的寻宝路线！

🗺️ FSM vs PFSM 对比

📍 FSM：精确地图	🎯 PFSM：万能模板
🏠 → 🌳橡树3 → ⬅️左转 → ⛏️挖土 → 🪙金币	🏠 → [地标] → [转向] → [移障碍] → [宝藏]
🏠 → 🌊河边 → ➡️右转 → 🪨搬石头 → 🪙银币
每条路线都是独立的！	一个模板，千变万化！

---

🔗 不同 Trace 的合并机制

大人说： Stage 3（Procedural Skill Consolidation）通过语义聚类将共享相同参数化控制流结构的子目标操作归为一类。合并判断基于参数绑定下的子图匹配，而非表面文本相似性。

🧒 小朋友理解：
想象你是一个拼图大师 🧩。你有很多张不同任务的完成照片，你要找出哪些照片拍的是同一个”套路”。

判断标准不是”照片里有什么东西”，而是**”做事情的方法是不是一样”**：

• 照片 A：小明去厨房翻冰箱找牛奶 ✅
• 照片 B：小红去书房翻抽屉找铅笔 ✅
• 照片 C：小刚直接坐在沙发上看电视 ❌

A 和 B 虽然找的东西不同，但是方法一样（去地方 → 翻找 → 拿到），所以可以合并！
C 的方法完全不同，不能合并。

📐 合并的数学判断公式

每个候选聚类得到一个**”可复用性评分”**：

rₖ ≈ (1/N) × (能匹配的轨迹数量)

意思是：这个”套路”在多少条成功轨迹里出现过？

出现得越多，评分越高，越值得做成一个技能！

🧩 合并效果对比

📚 不合并（ASI 方法）	🎯 合并后（SKILL-DISCO）
ALFWorld: 110 个技能	ALFWorld: 5 个技能
WebArena: 146 个技能	WebArena: 20 个技能
每个轨迹一个技能，重复太多！	相似的合并成一个，精简 5~22 倍！

---

⚗️ 蒸馏（Distillation）：三步煮出精华

大人说： 蒸馏阶段通过 Trace Normalization → Subgoal-level Operation Extraction → Procedural Skill Consolidation 三个阶段，将原始轨迹提升为可复用的 PFSM 子图。每个阶段由 LLM 驱动，逐步抽象参数化控制流结构。

三步流水线

阶段	名称	作用
📝 Stage 1	轨迹规范化	把杂乱的执行日志变成整齐的程序
✂️ Stage 2	子目标提取	把长程序切成可复用的小块
🧩 Stage 3	技能整合	把相似的小块打包成万能技能

示例：

输入：原始日志
"嗯...让我想想...先去厨房吧...哦冰箱在那...打开它..."

输出：规范化程序
go_to(厨房) → open(冰箱) → take(牛奶)

🧒 小朋友理解”蒸馏”：
想象你在煮一锅超级浓缩汤 🍲：
1️⃣ Stage 1：先把所有食材（原始轨迹）洗干净、切好
2️⃣ Stage 2：把食材按种类分开（肉放一起、菜放一起）
3️⃣ Stage 3：把相同的食材合并，做成”万能汤底”

最后你得到的是一小碗超级浓缩的精华汤底，只要加一点水就能变出一大锅汤！

---

🔧 编译（Compilation）：把图纸变成真工具

大人说： 编译阶段通过 Skill Specification → Synthesis and Verification 两个阶段，将 PFSM 子图转化为可调用、可执行、可验证的 Python 程序。规范定义调用接口和行为约束，合成生成代码，验证在 held-out 任务上检验正确性。

Stage 4: 技能规范

给技能写”身份证”和”说明书”：

属性	内容
🆔 名字	search_and_take
📥 输入	地点 l，对象 o
📤 输出	是否找到（True/False）
⚠️ 前提	对象必须在某个地方
✅ 保证	如果成功，对象被拿到
⭐ 置信度	0.95（95%可靠）

Stage 5: 合成与验证

LLM 合成 Python 代码：

def search_and_take(l, o):
    go_to(l)
    if can_open(l):
        open(l)
    if found(o):
        return take(o)
    return False

在新任务上测试 ✅ → 通过！

🧒 小朋友理解”编译”：
想象你要做一把真真正正能用的玩具锤子 🔨：

Stage 4（写说明书）：
先画图纸，写清楚：锤子长什么样？用什么材料？能钉多大的钉子？

Stage 5（做锤子 + 考试）：
按照图纸做出真锤子，然后去钉钉子试试：

• 能钉进去？✅ 通过！
• 钉不进去？❌ 重做！
• 最多重做 R 次，还不行就扔掉

最后只有真正好用的锤子才会放进工具箱里！

---

🎯 完整流水线总览

📥 输入：N 条成功轨迹
    ↓
📝 规范化 → ✂️ 提取 → 🧩 整合
    【🔥 蒸馏：煮出精华】
    ↓
📋 规范 → 🧪 合成验证
    【🔧 编译：做成真工具】
    ↓
📤 输出：可调用技能库

---

🏆 效果怎么样？

科学家在两个测试场地上做了实验：

• 🏠 ALFWorld：文字版的家务任务
• 🌐 WebArena：真实的网页浏览任务

📊 实验结果

指标	数值	说明
ALFWorld 成功率	99.3%	之前 96.3%
平均交互轮数	3.2	之前 3.6 轮
小模型性能提升	+85%	Qwen3.5-4B
学到的技能数	5	对手需要 110 个

🎉 最厉害的地方： 用 GPT-4o 学到的技能，可以直接给更小的模型（比如 Qwen3.5-9B）使用，小模型用了之后成功率从 54.5% 飙升到 98.5%！就像学霸的笔记借给学渣，学渣也能考高分！

---

🌟 一句话总结

🧒 SKILL-DISCO 就像一个”聪明药水工厂” 🏭

它把 AI 以前成功做过的事情
提炼成一个个”万能技能药丸” 💊

以后遇到类似的事情
直接吞一颗药丸就知道怎么做
又快又准！ 🚀

---

📄 论文信息

项目	内容
论文标题	SKILL-DISCO: Distilling and Compiling Agent Traces into Reusable Procedural Skills
作者	Zhongxin Guo, Danrui Qi, Hanwen Gu, Peng Cheng, Yongqiang Xiong
机构	Microsoft Research & Beijing Foreign Studies University
发布时间	2026年6月
arXiv	2606.26669

---

整理：A梦 (turbineyan)
来源：HTML 文件转换
原文：skill_disco_explained.html