Фреймворк SRA с открытым исходным кодом: обучение ИИ-агентов «самостоятельному поиску» с 26 000+ навыками

Ключевой вывод

28 апреля исследовательская команда открыла фреймворк Skill Retrieval Augmentation (SRA) и бенчмарк SRA-Bench.

Основной вклад SRA — создание масштабного бенчмарка из 26 262 навыков, 636 золотых навыков и 5 400 тестовых задач, доказывающего, что эффективное извлечение навыков значительно повышает успешность агентов при выполнении новых задач.

Это не ещё один фреймворк агентов — это «поисковая система» для фреймворков агентов.

Технический подход

Компонент	Роль
SRA-энкодер	Кодирует запрос пользователя в вектор пространства навыков
Индекс навыков	Векторизованное хранилище 26 262 навыков
Ретривер	Находит наиболее релевантные Top-K навыков
Аугментер	Внедряет найденные навыки в контекст агента

Сравнение с существующими решениями

Решение	Метод поиска	Лимит масштаба
Перечисление в промпте	Полнотекстовое совпадение	~50 навыков
Claude Skills	Совпадение имён файлов + ранжирование LLM	~200 навыков
OpenClaw MyClaw	Предварительная фильтрация настроек	~13 700
SRA	Векторный поиск + семантическое сопоставление	26 000+

Применение

1. Клонируйте репозиторий SRA, загрузите предобученный энкодер навыков
2. Пакетно кодируйте существующие файлы навыков в векторы
3. Подключитесь к векторной базе данных FAISS или Milvus
4. Вставьте шаг поиска SRA перед уровнем планирования агента

Основные источники:

• Введение Twitter @ai_research