RESOURCE2SKILL: Distilling Executable Agent Skills from Human-Created Multimodal Resources

RESOURCE2SKILL 是一个从教程视频、代码仓库、文章等人类创建的多模态资源中，自动提取并构建可执行技能库的框架。它将技能组织为层次化的多模态 Skill Wiki，每条技能包含结构化文本、代码、视觉示例和元数据。在7个创作领域测试中，使用该技能库的Agent平均得分比无技能基线高11.9%，并在28个主聚合模型-领域组合中26个优于强基线。消融实验验证了多模态格式、层次结构、来源多样性、选择策略和在线获取的价值。

1. 直接可用于我的导购Agent产品：导购场景经常需要从视频教程（如产品使用演示）或文章中提取可复用的操作技能（如“如何比较两款手机相机”）。RESOURCE2SKILL的框架可以整合到我的情报系统和Agent中，自动从导购相关视频、博客、问答中构建技能库，提升Agent的零样本操作能力。
2. 改变了我的判断：之前我认为技能库主要靠手动编写或从Agent轨迹抽象，而该论文证明了从人类制作的多模态资源（尤其是视频）中自动蒸馏技能是可行且有显著收益的。这促使我考虑将YouTube导购视频、开箱测评等作为技能源纳入技术选型。
3. 下一步行动：先读全文，重点关注其多模态编码细节和技能检索/组合策略；如果框架开源，计划在我的导购Agent中复现一个针对“产品比较与推荐”的轻量级技能wiki；持续关注其在线技能获取机制能否与当前RAG系统结合。