前言：Skill 迭代中的两个核心焦虑
在沉淀了一套 Skill 体系：一个主 Skill 负责意图识别与能力路由，多个子 Skill 负责具体功能执行。随着迭代深入，我遇到了两个越来越突出的问题。
第一，能力裂化难以感知。 Skill 里充斥着复杂的自然语言描述，每次迭代都会调整这些描述。改动后会不会影响其他模块？影响面有多大？仅凭人工 Review 很难给出确定答案。我们缺少一套可复现的评测机制，把「感觉没问题」变成「数据证明没问题」。
第二，模型一致性难以保证。 Skill 开发者通常基于某个模型编写和验证，在这个模型上跑得通，不等于在其他模型上也能跑得通。推向市场后，用户会调用不同厂商、不同参数的模型；遇到能力较弱的模型，Skill 很可能无法完成预期能力。
因此，我们需要一套面向 LLM Agent Skill 的评测与优化框架，来防止能力裂化、保证跨模型一致性。
之前在 ATA 上看到这篇文章：让“Skill优化”从“玄学调参”变成“工程流水线”——SkVM 原理分析及评测。研究并实践后发现非常有价值，于是写文记录，欢迎一起学习交流，寻找保证 Skill 迭代质量的更优方案。
SkVM 是一个面向 LLM Agent Skill 的编译与运行时系统，目标是让 Skill 能够在不同模型与 Harness 之间迁移与复用。 GitHub：SJTU-IPADS/SkVM
接下来，我先以我自己开发的一套 Skill 为例，直观展示 SkVM 带来的帮助；再深入到原理层面，拆解它是如何工作的。