腾讯混元干了件大事：Skill Graphs

想象你在训练一个 AI 操作命令行终端。直觉告诉你：给它安排越多的练习任务，它就会越强。但腾讯混元团队的最新研究发现，这个直觉可能是错的——真正决定训练效果的不是任务数量，而是 AI 在执行这些任务时经历了多少种不同的场景和技能组合。

他们构建了一张包含 8.2 万个场景节点、5.7 万项技能的"技能图谱"，从图中采样多样化的工作流路径来生成训练任务。结果：用这种方式训练的 Qwen3-32B（320 亿参数），在权威终端 Agent 基准 Terminal-Bench 2.0 上得分 **29.6%**，直接超越了参数量是它 15 倍的 Qwen 3 Coder 480B（23.9%）。

问题在哪：堆任务数量，不管轨迹多样性

终端 Agent 是指用大语言模型驱动、通过命令行界面完成复杂任务的 AI 系统。训练这样的 Agent 需要大量"执行轨迹"——也就是 AI 在终端里一步步操作的全过程记录。

现有的合成训练数据方法主要走两条路：要么让 LLM 生成分类体系来扩展领域覆盖（但往往和真实使用脱节），要么从 GitHub 仓库反推任务（但局限在软件工程场景）。两条路都只关心"生成多少任务"，却没有控制 AI 在这些任务里到底经历了多少种不同的"场景×技能"组合。

论文用数据直接展示了这个问题：现有数据集中，不同任务让 Agent 经历的场景和技能高度重叠，轨迹冗余严重。

核心方法：用图谱结构控制训练轨迹的多样性

SkillSynth 的核心思路是把 AI 操作终端的过程抽象成"场景-技能"序列。

• 场景：AI 在某个决策点面临的状态（比如"视频文件已下载但未压缩"）
• 技能：AI 在这个状态下执行的一组动作（比如"用 ffmpeg 压缩视频"）

每个技能从一个"前置场景"指向一个"后置场景"，形成有向图。图中的一条路径，就对应一个真实的多步骤工作流。

这个图谱的规模非常可观：82,073 个场景节点、57,214 条技能边、185,529 个 LLM 验证的桥接关系。85.6% 的节点连通在最大连通分量中，意味着绝大多数技能都能串联成完整的工作流。

构建过程分五步：从 ClawHub 和 GitHub 过滤技能 → LLM 推断每个技能的前置/后置场景 → 聚类去重 → 跨技能对齐（后置场景匹配下一个技能的前置场景）→ 合并过滤。

采样策略也很关键：用逆频率加权——被访问少的节点和边优先被选中，避免路径扎堆在热门节点上。这保证了采样出的路径在"场景×技能"空间上的均匀覆盖。

自动生成：多 Agent 协作，一次跑出 3560 个验证过的任务

采样出路径后，一个多 Agent 协作流程把抽象路径变成具体的可执行任务：

1. 规划器把路径转化成结构化的子目标和预期输出
2. 构造器根据计划生成完整任务实例（指令、文件系统快照、容器环境、验证脚本、参考解法）
3. 双验证：执行验证（跑参考解法确保任务可解）+ 评分验证（LLM 判断指令和测试是否对齐）
4. 不通过则进入修复循环，最多 3 轮修复，每轮最多 20 次工具调用

一次全自动运行的成绩单：从 3,721 条采样路径中产出 3,560 个通过验证的任务实例，95.7% 的 oracle 通过率，平均成本仅 $27.3/个。这些任务难度不低——Claude Opus 4.6 平均需要 37 步才能解决，121 个任务三次尝试都没解出来。

实验结果：多样性 > 数量

核心对比数据：

SkillSynth 比单技能基线高 8.4 分（TB 1.0），比随机组合多技能基线高 3.0 分。多样性指标更直接：SkillSynth 轨迹的唯一"场景-技能"覆盖率比单技能高 **31%**，比随机多技能高 **19%**。

消融实验还揭示了一个重要发现：随机拼凑多个技能（不经过图谱引导）效果明显更差，因为随机组合缺乏工作流连贯性——生成的任务包含多个细碎要求，但实际执行步骤很少。

这意味着什么

SkillSynth 已经不只是论文里的方法了。它生成的任务实例已被腾讯混元团队用于训练 Hy3 Preview 模型，直接提升了终端场景下的 Agent 能力。

图谱本身还在持续扩展——随着 ClawHub 社区贡献更多技能，图谱自动生长，任务的多样性持续提升。目前图谱已覆盖编码、文档处理、DevOps、安全等常见领域，也包括音频语音、3D 仿真、IoT 硬件等长尾领域。

对 AI 从业者来说，这篇论文传递的核心信息很明确：训练 Agent 的胜负手不在参数量，也不在任务数量，而在训练轨迹的多样性。如果你在做 Agent 训练数据，与其堆量，不如用图谱结构控制"场景×技能"的覆盖密度。

论文标题: Toward Scalable Terminal Task Synthesis via Skill Graphs
论文链接: https://arxiv.org/abs/2604.25727v1