直譯器技能：為智慧體構建工作流
本文介紹了LangChain提出的直譯器技能（Interpreter Skills）概念，這是一種將確定性程式碼與智慧體指令結合的方法。透過讓智慧體在直譯器中匯入並執行TypeScript模組，可以構建更可靠、可評估的工作流，例如用於GitHub問題分類等任務。
文章情報
要點
- 直譯器技能擴充套件了傳統技能，包含一個TypeScript模組供智慧體在直譯器中執行。
- 確定性部分以程式碼形式存在，智慧體決定何時呼叫並傳入引數，提高了可靠性和可評估性。
- 該方法支援子智慧體生成和複雜任務，如GitHub倉庫分類。
- 透過將流程固化到程式碼中，減少模型在長上下文中的決策負擔，避免“上下文焦慮”。
為什麼重要
這條新聞值得關注，因為直譯器技能擴充套件了傳統技能，包含一個TypeScript模組供智慧體在直譯器中執行。
技術影響
可能影響模型選型、推理成本、產品能力和評測基準。
LangChain 近期在 Deep Agents 中引入了“直譯器技能”（Interpreter Skills）的概念，旨在將傳統的基於指令的技能與可執行程式碼相結合。這一創新允許開發者為智慧體（Agent）提供不僅包含說明文本，還附帶一個 TypeScript 模組的技能。智慧體可以在直譯器環境中匯入並執行該模組，從而執行確定性的工作流。
傳統技能透過 SKILL.md 檔案向智慧體描述任務，智慧體需自行理解並執行指令。然而，對於需要精確步驟的任務（如資料清理或倉庫分類），依賴模型的自由裁量往往導致行為不一致。直譯器技能則提供了一種替代方案：SKILL.md 仍用於告知智慧體何時該技能適用，同時附帶一個 index.ts 模組，其中封裝了標準的處理流程。智慧體決定呼叫該模組的條件和輸入引數，而模組內的程式碼保證了流程的確定性。
在 Deep Agents 中，直譯器是一個嵌入式的 TypeScript 執行時，智慧體可以在其中編寫和執行程式碼，並保持狀態。直譯器技能利用這一能力，使技能模組能夠直接與智慧體的控制迴圈互動，實現諸如生成子智慧體、管理任務圖、處理部分失敗等高階功能。這類似於將工作流引擎的可靠性賦予以模型為主導的智慧體系統。
一個實際應用案例是 GitHub 倉庫分類。傳統方法需要模型在提示中逐步執行分類邏輯，容易在長對話中丟失連貫性。使用直譯器技能後，智慧體只需呼叫 triage(repo, options) 函式，該函式會自動獲取未處理項、為每項生成子智慧體進行摘要、然後進行聚類分析。整個過程在程式碼中固化，模型僅負責決定呼叫時機和解釋結果。這不僅提高了效率，還使得評估從“模型是否遵循指令”轉變為“函式是否被正確呼叫”。
直譯器技能的核心優勢在於將“怎麼做”從模型的責任中剝離出來，交由程式碼管理。模型專注於“何時做”和“做得怎樣”，而確定性邏輯由經過測試和審查的 TypeScript 程式碼執行。這為構建可靠、可維護的智慧體工作流提供了新正規化，尤其適合需要精確步驟和長期執行的任務。