SkillCache: cache semântico de habilidades para agentes de IA

Pesquisadores apresentaram o SkillCache, um sistema de cache semântico de habilidades para agentes de IA que reduz o gasto repetido de tokens ao explorar projetos.
Equipes que usam ativamente o Claude Code e outros agentes de IA com múltiplas etapas para programação costumam notar um padrão desagradável no fim do mês. Apenas uma pequena parte dos tokens é usada para escrever código novo. Até 70–80% são gastos nas mesmas ações relacionadas à descoberta do ambiente e à configuração inicial das habilidades do agente.
Por exemplo, toda vez que um desenvolvedor inicia uma nova sessão para corrigir um bug ou adicionar uma API, o agente primeiro relê um arquivo SKILL.md de várias páginas, executa os mesmos comandos find e grep, examina package.json ou Cargo.toml, procura scripts de build e ajusta parâmetros de execução de testes por tentativa e erro.
Mesmo que a estrutura do projeto não tenha mudado nada, o agente repete tudo na sessão seguinte como se não lembrasse de nada. Isso novamente consome dezenas de milhares de tokens.
Os autores do artigo científico SkillCache, publicado recentemente, propuseram uma solução. Eles desenvolveram um sistema de cache semântico de habilidades que fica entre o runtime do agente e as ferramentas com as quais ele trabalha. Para validar a atualização do cache, são usadas impressões digitais do sistema de arquivos.
Quando o agente ativa uma habilidade ou começa a explorar o ambiente, o SkillCache salva os resultados de operações repetíveis e uma descrição estruturada do ambiente.
Se os hashes dos arquivos de configuração dependentes e das estruturas de diretórios não mudaram, as sessões seguintes recebem um snapshot compacto do estado salvo em milissegundos. O agente não precisa mais repetir inúmeras chamadas de ferramentas.
Em testes com tarefas reais de programação, o SkillCache reduziu o uso de tokens em 81% e o tempo total de execução em quase dois terços, sem reduzir a taxa de sucesso.
Por que isso importa
AnáliseAgentes de IA para programação costumam gastar a maior parte dos tokens em ações repetidas de descoberta do ambiente; guardar um estado validado pode reduzir custo e latência sem prejudicar a taxa de sucesso.
Debater na comunidade
Compartilhe suas dúvidas e insights com desenvolvedores
Relacionado no ecossistema
Guias práticos, terminologia essencial e skills de agentes
Novo skill stick-scene para Claude Code cria explicações animadas com stickmen
Kamran Ahmed, criador do roadmap.sh, lançou o stick-scene, um skill gratuito para Claude Code que gera explicações animadas com palitinhos.
Guia: como projetar corretamente loops para agentes de IA
A engenharia de loops é a disciplina de projetar o circuito autônomo no qual um agente opera: o que ele faz entre as chamadas de ferramentas, quando verifica seu próprio trabalho e como decide que uma tarefa foi concluída. Um guia completo sobre verificadores, memória compartilhada e segurança.
Guia: como criar loops corretamente para agentes de IA
A engenharia de loops é a disciplina de projetar o circuito fechado no qual um agente opera: o que ele faz entre chamadas de ferramentas, quando verifica seu próprio trabalho e como decide que uma tarefa foi concluída. Um guia completo sobre verificadores, memória compartilhada e segurança.
Benchmarks para agentes: GAIA e SWE-bench
Nova geração de benchmarks práticos rigorosos para avaliar a autonomia da inteligência artificial. O GAIA testa tarefas multimodais na web aberta, envolvendo arquivos e navegador, enquanto o SWE-bench verifica a capacidade dos agentes de encontrar e corrigir bugs reais em grandes repositórios do GitHub.