コードを処理するエージェントには膨大な知識が必要です。プロジェクトのコーディング規約、使用するフレームワーク、テストの実行方法、利用可能なツールの使い方などです。これら全てを各タスクで実行されるすべてのエージェントに読み込ませると、処理が遅くなり、コストがかかり、非効率になります。無関係な指示を大量に与えると、モデルの性能はむしろ低下します。
段階的スキルこれがその代替案です。エージェントは小さなコア部分のみを保持し、作業に必要な機能だけを動的に読み込みます。
仕組み
各エージェントは常に必要な情報、つまり役割、タスク、仕様から開始します。追加のスキルは現在の作業内容に応じて動的に読み込まれます。データベースのマイグレーションを扱うエージェントはその処理に必要な知識を読み込み、データベースに触れないエージェントはその分の知識を消費しません。
ユーザーにとってのメリット
実際の影響は3点あります：
コストトークンはエージェント実行時の主な変動費用であり、コンテキストがその大部分を占めます。必要な情報のみを読み込むことで、このコストを大幅に削減できます。
品質これはあまり知られていませんが、おそらく最も重要な点です。モデルの注意リソースは限られています。コンテキストに無関係な情報が多いと、重要な部分を見落とす可能性が高まります。焦点を絞ったコンテキストにより、より安価なだけでなく、より高品質な成果が得られます。
スケールこれにより、エージェントは大規模なリポジトリでも効率的に作業できます。代わりにコードベース全体をコンテキストに含めようとすると、ほとんどの実際のプロジェクトではうまく機能しなくなります。
制御できる項目
意図的に、制御できる範囲は限られています。スキルの読み込みは作業の要求に基づき自動的に行われます。
制御できるのは、エージェントが参照するコンテキストのみです：プロジェクトコンテキストこれが最初に読み込める情報を決定します。スキルを直接管理しようとするよりも、このコンテキストを適切に整備することがより重要です。