💡 论文信息：Lost in Implicit Routing: How LLM Agents Fail to Load Relevant Skills at Scale，arXiv 2610.18522，2026-10-13 提交，作者 Jinlin Liu、Wei Chen、Xiaojin Zhang，代码开源在 github.com/jinlinll/lost-in-implicit-routing，正文 22 页。
技能（skill）是这一年代理工程的主流抽象：把任务特定的指令、脚本与工具打包成可复用单元，代理按需加载。Claude 的 Skills、各家 CLI 的扩展机制、MCP 生态的工具目录，走的都是这条路。它有一个默认假设：代理能从不断变大的技能库里找到该用的那一个。这篇论文把假设放在实验台上压了一遍，结果它碎了。
一、实验设计：三行说清楚
论文的实验设计非常克制，也因此非常有说服力。
- 固定住 SkillsBench 的任务与其对应的正确技能（golden skills），一个都不改。
- 往库里逐步加入与任务无关的技能——从几条到 1000 条。
- 观察代理实际加载了什么。
这个设计的妙处在于唯一变量是库的规模。任务没变、正确技能没变、描述没变，性能却崩了。崩掉的部分只能归因于「选择环境」本身，而不是任务变难或技能失效。
二、结果：一条陡峭的下坠曲线
三组核心数字：
- 加载召回率崩塌：无关技能达到 1000 条时，召回率从 73.6% 跌到 27.4%。注意这是「正确技能仍在库里、随时可加载」的条件下测出的——不是找不到，是不找。
- 零加载率飙升：一条技能都不加载的运行占比从 9.3% 升到 51.6%。过半情况下代理裸奔执行任务，用通用能力硬顶本该由技能覆盖的工作。
- 显式选择几乎免疫：同一个库、同样 1000 条无关技能，改成显式选择机制后召回率仍有 73.9%。
还有一个重要的排除项：加载了错误的技能（包括与正确技能相似的替代品）的比例极低，不足以解释下降。也就是说，坍塌的形态不是「选错」，而是「不选」。这直接指向机制层面的问题。
三、机制：两种干扰，两把刀
论文进一步做了归因实验，定位出两类独立机制。
语义干扰：技能的描述文本在语义空间里互相干扰。证据是决定性的——只屏蔽无关技能的描述、保留名称与结构，加载率就大幅恢复。描述越「能干」、越与目标任务域沾边，干扰越强。这对技能市场是个坏消息：为了让代理选中，人人都在把描述写得功能丰富、覆盖面广，而正是这些泛化描述制造了语义噪声。描述的军备竞赛直接加速路由坍塌。
指令干扰：隐式路由把「选技能」这个决策塞进了任务执行的主循环。当上下文里挤着 1000 条候选描述时，模型要一边推进任务、一边扫描候选、一边决定加载与否，多个目标在注意力上竞争，选择决策被牺牲。显式预选把选择拆成独立前置步骤，没有竞争，所以抗干扰。
论文还测了一个直觉上合理的缓解：明确要求代理「先规划要用的技能再动手」。结果仍不如预选——把计划写进提示词不等于改变架构，只要选择和执行还在同一条循环里，干扰就在。
四、预选方案的实测权衡
显式预选不是免费的。论文对它做了务实的评估，两个代价都量化了：
- 覆盖代价：预选发生在看到任务细节之前或之中，如果任务在执行中途才显露出对另一个技能的需求，预选批次的覆盖会不足。论文给了覆盖率的实测数字。
- 延迟代价：多一次独立的模型调用，端到端延迟增加。
这两个代价在技能库小于几十条时通常不值得付——小库上隐式路由本来就工作得不错。预选的收益是规模的函数：库越大、干扰越多，预选的召回优势越大。它应该是一个随库规模自动启用的策略，而不是一个默认配置。
五、工程清单：今天就该做的四件事
把论文结论翻译成团队清单：
- 给技能库设预算。超过 50 条就该按任务域拆分或引入检索层。论文的曲线告诉我们，坍塌不是阈值跳变而是渐进滑坡，等你感觉到「代理怎么不用那个技能」时，召回率可能已经掉了一半。
- 把加载率变成监控指标。端到端评测时记录「该加载而未加载」的比例，它是技能体系的健康度心跳。零加载率尤其值得盯——它是最隐蔽的失效形态，任务看起来还能跑，只是质量悄悄退化。
- 审一遍描述文本。找出那些「什么都沾一点」的万能描述，改成可区分的、具体的表述。这项零成本工作直接作用在最大的噪声源上。
- 在管线里预留预选位。当库规模触发预算线，把「选技能」做成显式的独立调用。OpenCode 2.0 的 Code Mode 把工具转成可编程函数、让模型写脚本组合调用，本质上也是在压缩隐式路由的决策面——两边的证据在互相印证。
六、结语
这篇论文的价值在于把一个大家隐约感觉到的现象（「技能多了代理就不用了」）变成了可复现的测量与可操作的机制解释。它没有提出新算法，但它给出的三个数字——27.4%、51.6%、73.9%——应该印在每一个做技能市场的团队的白板上。
代理技能生态正在复制当年浏览器扩展与移动 App 市场的爆发路径，而这项研究提前揭示了那条路上的一块断桥：选择机制的扩展性独立于任务能力的扩展性。模型再强，也强不过一个塞满噪声描述的隐性决策环境。技能协议的下一版标准里，也许应该长出一个检索层。