阿里通义最新Trace2Skill解读：Agent技能自动生成新范式

阿里通义又扔出了Agent领域的重磅论文。这次他们直接捅破了行业最大的痛点：LLM Agent的规模化落地，卡死在了技能生产上。

看完这篇Trace2Skill，Agent技能的工业化量产时代，真的要来了。

我们解读最新技术，文末有相关信息。

作者：张长旺，图源：旺知识

先搞懂：Agent行业的死穴，到底在哪？

说白了，Agent技能就像老员工的标准化作业SOP手册。

里面写清了特定领域的干活步骤、常见坑、避坑指南，是Agent搞定复杂任务的核心依仗。

但现在，这个SOP的生产，全行业都卡在了三个死胡同里。

第一个死胡同：人工写SOP，规模化彻底没戏。

一个垂直场景就要专家写一套SOP，慢、贵、还极度挑模型。

论文里有个扎心的例子：Anthropic官方专家写的Excel技能，给122B大模型用，准确率涨了20个点；给35B小模型用，反而比不用技能效果还差，直接负收益。

这就像给博士生写的操作手册，给本科生用，越看越懵，根本干不好活。

第二个死胡同：自动生成的SOP，要么没用，要么越用越乱。

纯靠大模型参数知识写的SOP，全是正确的废话，和不用技能的效果几乎没差。

而现在主流的在线更新方案，是来一个任务改一次SOP，就像新员工干一次活改一次手册，改到最后手册碎片化、前后矛盾，几百个零散技能，检索都检索不过来，还严重过拟合，换个任务就彻底废了。

第三个死胡同：经验复用离不开检索，天生不通用。

比如主流的ReasoningBank方案，把每次的经验存起来，干活前先检索相关记录。

这就像员工干活前先翻几百条历史聊天记录找经验，不仅慢，还极度依赖模型的检索能力，小模型根本用不了，换个场景就搜不到有用的内容。

而阿里这篇Trace2Skill，直接把这三个行业顽疾，一锅端了。

Trace2Skill的核心创新：完全复刻人类专家写SOP的逻辑

现有方案是新员工边干边改手册，干一次改一次，越改越乱；

而Trace2Skill是资深专家先看完几百次干活记录，归纳出通用规律，再写一本统一、全面的SOP。

它的核心逻辑，就三步:

第一步：批量跑任务，攒够足量的「干活记录」

先让Agent用初始SOP（不管是人工写的，还是大模型瞎写的草稿），并行批量跑几百个任务。

成功的、失败的执行过程全记录下来，哪步做对了，哪个坑踩了，根因是什么，全留痕。

这个过程完全并行，效率极高：200条完整轨迹，122B大模型跑，不到2个GPU小时就能搞定。

第二步：并行复盘，每条记录都有专属分析师提修改意见

这一步是它和现有方案最核心的区别：不是一个人看所有记录，而是开一堆并行的子智能体。

每个子智能体只看一条执行轨迹，互不干扰，完全并行：

• 成功的轨迹，就提炼「这次干成了，核心做对了什么可复用的动作」；

• 失败的轨迹，就像法医一样，刨根问底找根因——它能调用工具看原始文件、对比标准答案、验证修复方案，必须找到实锤的根因，不然不算数。

每个子智能体最终都会输出一条针对SOP的修改补丁，所有补丁完全独立，不会提前收敛，完整保留了所有有效信息。

第三步：专家统稿，无冲突合并成最终的通用SOP

这一步是它能产出可迁移技能的核心：不是一条一条改SOP，而是一次性把几百条补丁全看完。

通过分层合并，做两件核心的事：

1. 归纳通用规律：优先保留反复出现在几百条补丁里的共性问题，提炼成强制的通用规则，比如几百次踩坑的「Excel公式写了必须重算」，直接放在SOP最前面；

2. 过滤噪音+层级管理：删掉偶发的个例内容，解决补丁之间的矛盾，冷门的边缘坑，统一放到附录的参考文件里，不干扰主流程。

这个过程，本质就是从特殊到一般的归纳推理，和人类专家提炼方法论的逻辑完全一致。

它还支持两种核心模式：既可以给人工写的SOP做深化优化，也可以从大模型写的废话草稿里，从零生成一套能用的高质量SOP，完全不用人工介入。

我觉得这个设计最妙的地方，就是它彻底纠正了现有方案的顺序错误：

先有全局视野，再动笔写SOP，而不是边干边改，最终越改越偏。

实验结果：颠覆你对大模型能力的固有认知

最颠覆的发现：小模型炼的技能，能反向给大模型逆天提分

所有人的固有认知，都是大模型给小模型赋能。

但Trace2Skill直接打破了这个规律：35B小模型蒸馏出来的技能，给122B大模型用，在WikiTableQuestions分布外任务上，直接暴涨了57.65个绝对百分点，准确率干到81.38%，比Anthropic官方人工写的技能还要高6.7个点。

而且这个技能，不用微调模型，不用外挂检索模块，就是纯文本的markdown文件，直接塞到系统提示里就能用。

跨模型、跨场景全通用，完全没有额外依赖。

核心效果数据：全场景吊打现有方案

1. 核心表格任务：把人工SOP的负收益，直接拉成暴涨

人工写的Excel技能，122B用准确率48.33%，Trace2Skill深化后直接干到69.83%，涨了21.5个点；

35B用人工SOP准确率只有9.67%，比不用技能还烂，深化后直接干到29.67%，暴涨20个点，直接把负收益拉成了翻倍增长。

2. 全领域通用：数学、视觉任务全好使

数学推理上，炼出来的技能，给122B用，竞赛级AIME 2026任务涨了2.9个点，给35B用直接涨了5个点；

DocVQA视觉问答上，122B炼的技能，给35B用，核心ANLS指标涨了0.1554，准确率直接涨了13.6个点。

3. 效率和效果，双杀现有方案

• 比顺序在线更新：122B模型上准确率高4-6.8个点，速度快了20倍，3分钟就能搞定，顺序更新要1个小时；

• 比检索式ReasoningBank：122B模型准确率高13.8个点，35B模型高9.2个点，还完全不用外挂检索库，小模型也能用；

• 比单轮LLM错误分析：平均效果高了12个百分点，根因找的更准，提炼的规则更通用。

你可能会问，为什么它能跨模型通用？

其实和人类的学习逻辑完全一致：你从几百次实践里提炼的通用方法论，不仅你自己能用，给别人用也一样好使，因为它抓住了事情的本质，而不是你个人的习惯。

底层逻辑：它把经验，变成了可迁移的认知

很多人会好奇，为什么纯文本的SOP，能带来这么大的提升？

核心就四个底层逻辑，每一个都戳中了现有方案的本质缺陷。

第一，并行全局分析，彻底避免了顺序更新的漂移和过拟合。

顺序更新就像你写文章，写一句改一句，改到最后完全偏离初衷，还会过度拟合最近的一次经验；而Trace2Skill是先看完所有素材，有了全局认知再动笔，自然能抓住共性，过滤掉噪音，不会被单次个例带偏。

第二，归纳推理的分层合并，把局部经验蒸馏成了通用规律。

它的合并过程，不是简单的复制粘贴，而是优先保留反复出现的共性问题。几百条轨迹都踩的坑，一定是这个领域的核心问题，提炼出来的规则自然通用；而只出现一两次的个例，就放到附录里，不会干扰主流程。

第三，带验证的Agentic错误分析，每一条修改都有实锤根因。

之前的方案，看一眼失败日志就给结论，经常把表象当根因；而Trace2Skill的错误分析智能体，能反复调用工具、验证修复方案，必须找到真正的根因，不然不算数。这样提炼出来的规则，才是真的能解决问题的，而不是正确的废话。

第四，纯声明式的无依赖设计，天生具备跨模型迁移能力。

它炼出来的技能，就是纯文本的SOP，没有和特定模型的参数、特定的检索系统绑定。就像一本纸质的操作手册，不管是谁，只要能看懂字，就能照着做，自然什么模型都能用，什么场景都能套。

说白了，Trace2Skill真正做到了：把Agent的「执行经验」，转化成了「可复制、可迁移的认知能力」，而不是死记硬背的碎片化记忆。

工程落地价值：直接把Agent推进工业化量产时代

这篇论文最狠的地方，从来都不是算法上的炫技，而是它直接解决了Agent落地最大的工程难题。

第一，彻底解决了技能规模化生产的瓶颈。

之前Agent落地，最大的成本就是技能的人工生产，一个场景一套SOP，根本没法规模化。现在Trace2Skill，只要给一批任务，就能自动从零生成高质量技能，35B开源模型就能搞定，不用依赖闭源大模型，成本直接打穿地板。

第二，抹平了跨模型适配的成本。

之前人工写的技能挑模型，大模型能用，小模型用不了。现在Trace2Skill炼的技能，天生跨模型，小模型炼的大模型能用，大模型炼的小模型也能用，Agent的开发效率直接拉满。

第三，零额外依赖，落地门槛几乎为零。

它的输出就是标准的Anthropic格式技能目录，一个markdown主文件+辅助脚本，直接插到现有的Agent系统里就能用，不用改架构，不用加检索模块，不用微调模型，只要你的Agent能读系统提示，就能用。

第四，彻底打开了端侧Agent的想象空间。

之前的经验复用方案，要么需要大模型，要么需要外挂检索，端侧小模型根本用不了。现在Trace2Skill用35B开源模型就能炼技能，炼出来的技能，更小的端侧模型也能用，直接给端侧Agent装上了专业的SOP，端侧智能的天花板直接被拉高了。

我的判断是：这个技术，直接把Agent技能的生产，从「手工作坊时代」，推进到了「工业化量产时代」。

Agent在垂直行业的规模化落地，最大的拦路虎，被干掉了。

结尾

这篇论文最核心的价值，从来都不是提出了一个新的Agent框架，而是彻底重构了Agent技能的生产范式。

过去大家都在卷「怎么让Agent边干边学」，而Trace2Skill告诉我们，真正高效的方式，是「先批量实践，再全局归纳，最后提炼成通用技能」——这才是人类学习的本质，也是Agent技能规模化的唯一出路。

这篇论文给我最大的启发，其实是一个最朴素的认知规律：

真正可迁移的能力，从来都不是碎片化的经验，而是从海量实践里归纳出来的底层规律。

不管是AI Agent，还是人自己的成长，都是一样的：你干了100件事，核心不是把100件事的细节全记住，而是从这100件事里，提炼出一套通用的做事方法论。这套方法论，才是你能带走、能复用、能搞定新问题的核心能力。

死记硬背经验的，永远只能在熟悉的场景里打转；

提炼出底层规律的，才能在未知的世界里通行。

Trace2Skill给Agent装上的，从来都不是一本厚厚的错题本，而是一套能举一反三的认知方法论。

参考资料

• Trace2Skill: Distill Trajectory-Local Lessons into Transferable Agent Skills, https://arxiv.org/pdf/2603.25158