SkillCache: семантическое кэширование навыков для ИИ-агентов

Исследователи представили SkillCache — систему семантического кэширования навыков для ИИ-агентов, которая снижает повторный расход токенов на изучение проекта.
Команды, которые активно используют Claude Code и другие многошаговые ИИ-агенты для программирования, в конце месяца замечают неприятную закономерность. На написание нового кода уходит лишь небольшая часть токенов. До 70–80% расходуется на одни и те же действия, связанные с изучением окружения и первоначальной настройкой навыков агента.
Например, каждый раз, когда разработчик запускает новую сессию для исправления ошибки или добавления API, агент сначала перечитывает многостраничный файл SKILL.md, затем выполняет одни и те же команды find и grep, изучает package.json или Cargo.toml, ищет скрипты сборки и методом проб и ошибок подбирает параметры запуска тестов.
Даже если структура проекта совершенно не изменилась, в следующей сессии агент повторяет всё заново, словно ничего не помнит. На это снова уходят десятки тысяч токенов.
Авторы недавно опубликованной научной работы SkillCache предложили решение этой проблемы. Они разработали систему семантического кеширования навыков, которая располагается между средой выполнения агента и инструментами, с которыми он работает. Для проверки актуальности кеша используются цифровые отпечатки файловой системы.
Когда агент активирует определённый навык или начинает изучать окружение, SkillCache сохраняет результаты повторяемых операций и структурированное описание среды.
Если хеши зависимых конфигурационных файлов и структуры каталогов не изменились, в следующих сессиях агент получает компактный снимок сохранённого состояния за миллисекунды. Ему больше не приходится повторять многочисленные вызовы инструментов.
В испытаниях на реальных задачах программирования SkillCache сократила расход токенов на 81%, а общее время выполнения задач почти на две трети. При этом доля успешно выполненных заданий не снизилась.
Статья: https://arxiv.org/abs/2611.10022
Почему это важно
АналитикаЭто важно, потому что ИИ-агенты для программирования часто тратят большую часть токенов не на генерацию кода, а на повторное сканирование окружения; кэширование состояния может ускорить работу и уменьшить стоимость.
Обсудить в сообществе
Делитесь опытом и мыслями с ИИ-разработчиками
Связанные материалы экосистемы
Практические гайды, терминология и агентские скиллы
Новый навык stick-scene для Claude Code: анимированные объяснения со стикменами
Камран Ахмед выпустил бесплатный навык stick-scene для Claude Code, который создаёт анимированные объяснения с помощью стикменов.
Claude Code Projects: как один ИИ координирует команду автономных агентов
Глубокий разбор Claude Code Projects: архитектура Coordinator и Threads, параллельные ветки, общая память MEMORY.md и управление облачными агентами.
Часть I. Архитектура ИИ-агентов: фундаментальные блоки
Одиннадцать фундаментальных строительных блоков современного ИИ-агента: таксономия моделей, агентный рантайм, техники промптинга, дистилляция, архитектура навыков (skills), память, function calling и FinOps.
Бенчмарки для агентов: GAIA и SWE-bench
Новое поколение строгих практических бенчмарков для оценки автономности искусственного интеллекта. GAIA тестирует мультимодальные задачи в открытом вебе с файлами и браузером, а SWE-bench проверяет способность агентов находить и исправлять настоящие баги в больших репозиториях GitHub.