Declarative Skills for AI Agents in Knowledge-Grounded Tool-Use Workflows

这篇论文比较三类客服式工具使用编排：带 3 个自然语言 skill 文件的 DeclarativeAgent、显式状态机 ImperativeAgent，以及类似 τ-Knowledge 的无 scaffold baseline。实验横跨 5 个语言模型和 2 种检索 regime，结论很克制：检索质量是主要瓶颈；证据不全时 skill 文件补不回性能，高质量检索下 declarative skills 才稳定改善 procedural task accuracy 并减少 orchestration errors。