SPEM：面向大语言模型智能体高效技能调用的结构感知程序性记忆

英文标题：SPEM: Structure-Aware Procedural Memory for Efficient Skill Use in LLM Agents

随着大语言模型（LLM）智能体（Agent）日益依赖可复用技能，技能库规模的扩增使得高效且精准地调用技能变得极具挑战。直接全量加载技能会导致严重的 Token 消耗和运行时开销，而扁平化的语义检索又将技能视作孤立单元，忽略了技能之间的结构关联。针对这一瓶颈，研究提出了结构感知程序性记忆（SPEM），旨在优化 Agent 对大规模技能库的检索与调用效率。该方法为复杂长流程 Agent 系统的工程化落地及技能库扩展管理提供了新的解决思路。