阿里发布SkillWeaver能降多少token？
阿里最近在WAIC边角的那场技术沙龙放的 SkillWeaver不是"降多少 token"的单一数字题，是"把多步工具调用 + 中间态"压缩成可复用 skill，省的是"重复推理 + 重复 context 搬运"那两截——官方给的账是端到端省 30-50%，但得看你的场景是不是"高频重复工具链"。SkillWeaver 是啥：不是新模型，是"技能抽象层"——Agent 原来每轮跑"查库存→算运费→比价→写回复"四步，每步都要把上下文重新塞给模型；SkillWeaver 把这四步编织（weave）成一个预编译 skill，下次同类请求直接调 skill，中间态不回模型、不重复占 context window。"省 token"拆三档看：单次调用省得少：skill 本身也要存（向量库 + 元数据），单次请求 token 账改善不明显；高频重复场景省得多：skill 化后首轮 2-3K + 后续每轮 500-800 token 调 skill，累计省 40-60%，阿里给的"30-50%"是保守档；长会话省得最狠：原来 Agent 跑 20 轮长会话 context 爆掉要 truncate，skill 化后中间态外置，128K 窗口能多撑 2-3x 轮数，这笔账比单轮 token 更值。跟竞品横向：vs 微软 Semantic Kernel 的"function 聚合"：SkillWeaver 更贴中文电商/客服语料，function 描述自动生成那侧做得更顺；vs Anthropic 的"computer-use 预处理"：Anthropic 是 GUI 向，SkillWeaver 是 API/业务向，定位错开；vs 自己家 Qwen3 的 function calling：SkillWeaver 是在 function calling 之上加"编织+缓存+复用"，不是替代是基础设。打工人启示：做企业 Agent（客服/电商/供应链/内部工作台）的，SkillWeaver 这套思路比纯"换更大上下文模型"划算——128K 不够用别光想着升级模型，先看看能不能把高频链 skill 化。你们组 Agent 长会话 context 爆过没？是加窗口还是开始拆 skill 了？
发布于 山西
1
评论
赞
未登录
友善发言
评论
加载中
