从代码中规模化合成可验证技能：Code2Skill 与 CodeSkillBank 的栏目解读

提出以源码为基底的技能合成范式，并给出可运行的 Code2Skill 流水线：先按“可复用意图、有序步骤、边界条件、可迁移性、接口充分性、非平凡性”六项评分筛选源码单元，再抽取为原子、复合、重复模式三类记录，记录适用条件、执行步骤、不变量、失败情形、反目标与来源证据。 相较依赖特定环境交互的轨迹式合成与缺乏可执行证据的文档式合成，该工作把“可执行、可验证、可维护”的代码作为抽象与验证的基底，使技能可在智能体积累交互经验之前就获得。 论文给出完整的问题形式化、四阶段流水线描述与附录中的提示模板与判定算法，并在 19,769 个星标超过 500 的仓库上实际运行，产出 1,006,822 条已接受记录。

用“源码体盲重建 + 源码感知比对 + 失败仲裁”构成可扩展的落地校验：模型仅凭技能记录重建实现，再由比对器与原始代码对照，直接接受一致者、把其余交给仲裁者区分“技能不受支持”与“重建失败”。 这为仓库级技能合成提供了一个不依赖测试或形式化规约的一致性过滤器，作者明确说明它是过滤手段而非测试式验证的替代。 人工标注显示，最终库中 92% 的技能描述被判定准确、80% 的记录被认为值得保留，直接接受记录中 84% 支持正确重建；被拒绝样本对应为 32%、28% 且无正确重建。

构建并公开 CodeSkillBank 这一大规模技能资源，并给出面向检索的特征标注与用途索引视图，同时保留仓库、文件、符号与源码跨度级溯源信息。 相较以往技能库，该资源强调来源可审计、可刷新、可废弃，并区分“面向任务的检索视图”与“证据档案”，使技能可随源码演进而维护。 统计显示记录以多步流程（57.3%）与约束推理（33.5%）为主，表面 API 调用仅 8.6%；用途索引后原子卡占 65.35%、复合卡 31.12%、混合卡 3.53%。

在推理与训练两类场景中验证技能接入位置的影响：规划期引导在八个共享评测中全部提升，生成期提示对 DS4-Flash 更稳定，而生成后评审在 72 组评测中 57 组提升、每个模型与推理模式的平均分都上升；在编码强化学习中，生成后评审在共享训练步 150 处把解决率从 24% 提升到 38%。 相较只报告单一接入点的做法，该工作把“技能何时进入工作流”作为独立变量，并显示技能在指导规划或评审具体候选解时收益最稳定。 推理侧为 72 组协议匹配评测、九种模型设置与八个基准；训练侧为同一 Qwen3-32B SWE-World 检查点、固定奖励与训练流程下的单检查点对比，作者说明该实验未设重复种子或学习曲线。

该结果面向需要在编码、终端与系统交互、数学与科学推理等任务上获得程序性指导的智能体系统，适用于已有活跃维护仓库、且技能可在规划或评审阶段注入的工作流；技能库在构建时离线完成，不依赖下游任务轨迹，因此可用于智能体尚未积累交互经验之前。对希望把领域数据转化为可复用、可执行知识资产的团队，该流水线提供了从源码筛选、抽取、验证到检索组织的完整路径，并支持随源码演进刷新或废弃记录。

读者仍会关注：重建式一致性检查与测试或形式化验证之间的关系如何界定；用途索引在压缩冗余的同时可能替换掉局部更相关的候选，其下游影响在不同模型与渲染方式下并不一致；强化学习实验只报告共享训练步 150 的单一检查点，未涉及学习速度、收敛性与最终策略表现；人类与 AI 生成代码技能库总体通过率仅差 0.50 个百分点，但在 16 个任务上判断不同，因此尚不能据此断定两者等价。此外，本次载入的是论文全文与外部报道，若后续出现图表或附录细节的更新，相关数值与结论仍需以原文为准。