論文の概要: From Registry to Repository: How AI Agent Skills Are Written, Adapted, and Maintained
- arxiv url: http://arxiv.org/abs/2607.00911v2
- Date: Mon, 06 Jul 2026 09:01:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 17:33:48.820846
- Title: From Registry to Repository: How AI Agent Skills Are Written, Adapted, and Maintained
- Title（参考訳）: レジストリからリポジトリへ:AIエージェントのスキルはどのように書けるか、適応され、維持されるか
- Authors: Haoyu Gao, Jai Lal Lulla, Hong Yi Lin, Sebastian Baltes, Christoph Treude, Mansooreh Zahedi,
- Abstract要約: 筆者らは,AIエージェントのスキルを,著者,再利用,カスタマイズ,維持を行う技術工芸品として,初めて実証的研究を行った。
ほとんどの再利用されたスキルは、ほぼ最高のままで、53%は採用後に変更されず、その後のローカルメンテナンスは圧倒的に付加的なものである。
- 参考スコア（独自算出の注目度）: 13.991357454554949
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: AI coding agents increasingly rely on skills: structured context bundles, typically a SKILL$.$md file with a YAML header and Markdown body, loaded on demand for domain knowledge, workflows, and scripts. Public registries such as skills$.$sh now host tens of thousands of skills, making them an emerging unit of reuse in agent-based software engineering. Yet skills have largely been viewed as agent capabilities rather than software artefacts whose content and evolution shape agent behaviour. We present the first empirical study of AI agent skills as engineered artefacts that are authored, reused, customised and maintained, across public registries and personal-use repositories. We mined 18,463 skills from skills$.$sh and 23,199 personal-use skills from 5,876 GitHub repositories, identifying 3,709 reuse links. LLM-based classification into SWEBOK knowledge areas (KAs) shows Software Construction dominates alongside a long tail of specialised areas. A thematic analysis of 180 skills identifies six content categories. Qualitative coding of 444 modifications reveals six themes, of which reworking operational specifications and adapting knowledge and resources are the primary target of change. Our findings show that reuse is largely a one-time copy operation: most reused skills remain near-verbatim, 53% are never modified after adoption, and subsequent local maintenance is overwhelmingly additive. Customisation primarily adapts skills to local environments, whereas evolution accretes new inline domain knowledge. Across both, a stable behavioural contract - how a skill interacts with users, monitors runtime state, and recovers from failures - remains almost untouched. These results suggest maintenance effort should focus on project-specific bindings, and that registries and tool support should enable consolidating the domain knowledge skills re-author in isolation.
- Abstract（参考訳）: AIコーディングエージェントはますますスキルに依存している。
ドメイン知識、ワークフロー、スクリプトの要求に応じてロードされるYAMLヘッダとMarkdownボディを備えた$mdファイル。
skills$のようなパブリックレジストリ。
$shは現在、数万のスキルをホストしており、エージェントベースのソフトウェアエンジニアリングにおいて、新たな再利用単位となっている。
しかし、スキルは、コンテンツと進化の形をしたエージェントの振る舞いを持つソフトウェアアーチファクトではなく、エージェント能力と見なされている。
我々は、公開レジストリや個人用リポジトリを通じて、著者、再利用、カスタマイズ、保守された人工物としてAIエージェントスキルに関する最初の実証的研究を提示する。
スキル$から18,463のスキルをマイニングしました。
5,876のGitHubリポジトリから、$shと23,199の個人利用スキルがあり、3,709の再利用リンクが特定されている。
LLMをベースとしたSWEBOK知識領域 (KA) の分類では、ソフトウェア構築が専門分野の長い尾と共に優位であることを示している。
180のスキルのテーマ分析は、6つのコンテンツカテゴリを識別する。
444の修正点の定性的なコーディングは6つのテーマを明らかにしており、そのうちの1つは運用仕様を再作業し、知識とリソースを適応させることである。
再使用したスキルの大部分はほぼ平均的であり,53%は採用後に修正されず,その後の局所メンテナンスは圧倒的に付加的なものである。
カスタマイズは、主にローカル環境にスキルを適用するが、進化は新たなインラインドメイン知識を付加する。
どちらも、安定した行動契約 – スキルがユーザとどのように相互作用し、ランタイム状態を監視し、障害から回復するか – は、ほとんど触れられていないままです。
これらの結果は、メンテナンスの労力はプロジェクト固有のバインディングに集中すべきであり、レジストリとツールサポートは、独立したドメイン知識スキルを独立した形で統合できるようにするべきであることを示唆している。
関連論文リスト
- RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources [34.489558310096776]
2SKILLはチュートリアルビデオ、記事、参照アーティファクトを含むマルチモーダルリソースをソフトウェアエージェントの実行可能なスキルに蒸留するフレームワークである。
これらのスキルは階層的なマルチモーダルスキルウィキとして整理され、各エントリは構造化されたテキスト、コード、ビジュアルな例、メタデータ、そして証明を組み合わせている。
時には、エージェントはwikiから関連スキルを検索して作成し、カバレッジが不十分な場合は、オンラインで新しいスキルを取得できる。
論文 参考訳（メタデータ） (2026-06-28T17:59:21Z) - SkillAudit: Ground-Truth-Free Skill Evolution via Paired Trajectory Auditing [81.51044612408793]
SkillAuditは、地味なフィードバックなしにエージェントスキルを進化させるフレームワークである。
行動の違いを編集指導に変換するために、SkillAuditはProcess-Aligned Contrastive Evaluationを使用する。
Refineはノイズや無関係なガイダンスを広く有用なスキルから取り除き、修復はタスクと競合するパスを置き換える。
論文 参考訳（メタデータ） (2026-06-12T08:20:09Z) - What Should a Skill Remember? Quality--Cost Trade-offs in Cost-Aware Skill Rewriting for Language Model Agents [58.87681796862133]
我々は経済的なレンズを通してスキルの書き直しを勉強する。
我々のフレームワークは、情報保存戦略を用いて、スキル構造をプロファイルし、スキルを書き換える。
SkillsBenchの実験は、戦略間の異なる品質とコストのトレードオフを明らかにしている。
論文 参考訳（メタデータ） (2026-06-08T12:36:51Z) - SkillComposer: Learning to Evolve Agent Skills for Specification and Generalization [99.18305770138677]
エージェントスキルは、エージェントの推論とアクションをガイドする再利用可能な戦略である。
現在の技術構築手法は、問題を一発抽出として扱う。
本稿では,スキル構築を3つの学習可能な操作に分解するフレームワークであるSkillComposerを紹介する。
論文 参考訳（メタデータ） (2026-06-04T12:16:08Z) - COLLEAGUE.SKILL: Automated AI Skill Generation via Expert Knowledge Distillation [58.84646485020439]
人為的なAIスキルを生成するための自動トレース・ツー・スキル蒸留システムを提案する。
COLLEAGUE.SKILLは、実践、メンタルモデル、意思決定のための能力トラックと、コミュニケーションスタイル、インタラクションルール、修正履歴のための有界な行動トラックの2つのトラックを持つバージョン付きのスキルパッケージを生成する。
論文 参考訳（メタデータ） (2026-05-29T12:59:08Z) - OpenSkillEval: Automatically Auditing the Open Skill Ecosystem for LLM Agents [15.598856888948093]
スキル強化エージェントシステムとスキル自体の自動評価フレームワークであるtextscOpenSkillEvalを提案する。
静的ベンチマークに頼る代わりに、textscOpenSkillEvalは、現実世界のアーティファクトの進化から現実的なタスクインスタンスを自動的に構築する。
600以上の動的に生成されたタスクインスタンスと30のオープンソーススキルを使用して、最先端のモデルとエージェントフレームワークを体系的に評価する。
論文 参考訳（メタデータ） (2026-05-22T14:09:41Z) - SkillGraph: Skill-Augmented Reinforcement Learning for Agents via Evolving Skill Graphs [70.1970574147839]
有向グラフのノードとして再利用可能なスキルを表現するフレームワークであるSKILLGRAPHを提案する。
SKILLGRAPHは個々のスキルだけでなく、多段階意思決定をガイドできる順序付きスキルサブグラフも取得する。
実験により,SKILLGRAPHはメモリ拡張RL法に対して最先端の性能を実現することが示された。
論文 参考訳（メタデータ） (2026-05-12T12:21:49Z) - SKILLFOUNDRY: Building Self-Evolving Agent Skill Libraries from Heterogeneous Scientific Resources [5.7282243774488295]
我々は、リソースを検証されたエージェントスキルに変換する自己進化型フレームワークであるSkillFoundryを紹介する。
SkillFoundryは,比較的新規で,内部的に有効なスキルライブラリであることを示す。
また,SkillFoundryは,具体的な科学的目的の要求に応じて,新たなタスク固有のスキルを設計できることを示す。
論文 参考訳（メタデータ） (2026-04-05T05:02:18Z) - SkillNet: Create, Evaluate, and Connect AI Skills [159.47504178122156]
SkillNetは、大規模にAIスキルを作成し、評価し、組織化するように設計されたオープンインフラストラクチャである。
私たちのインフラストラクチャは、20万を超えるスキルのリポジトリ、インタラクティブなプラットフォーム、多目的Pythonツールキットを統合しています。
論文 参考訳（メタデータ） (2026-02-26T14:24:02Z) - Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward [5.124116559484265]
モノリシックな言語モデルからモジュール化された、スキルを持ったエージェントへの移行は、大規模言語モデル(LLM)の実際のデプロイ方法に決定的な変化をもたらす。
すべての手続き的知識をモデルウェイト内にエンコードするのではなく、エージェントスキルは、再トレーニングせずに動的機能拡張を可能にする。
この調査は、エージェントスキルのランドスケープを包括的に扱うもので、ここ数ヶ月で急速に進化してきた。
論文 参考訳（メタデータ） (2026-02-12T21:33:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。