同一批任务里“多个Skill都声称适用于检索或写作、默认流程互相冲突”，同时“加载大量说明会挤占模型理解研究问题和期刊要求的空间”，当文献检索Skill和综述写作Skill同时被触发时，用户到底该让它们各自为政，还是必须先有一个编排层来决定谁先谁后？

摘要：当文献检索Skill与综述写作Skill在同一批任务中被同时触发，冲突的表象是“流程打架”，本质是上下文预算被多份说明文档挤占、触发条件缺乏互斥约束、以及缺少对“谁先谁后”的确定性仲裁。本文以“上下文预算—触发竞争—仲裁顺序”为贯穿主线，先界定Skill、编排层与上下文预算三个基础概念，再拆解多Skill并发的四类失效机制，随后给出一套可落地的编排层设计：显式依赖图、能力声明契约、预算感知的加载器与可回滚的状态机。文中给出伪代码、状态迁移表与评测指标，并讨论编排层自身的局限与失效边界。结论是：在检索与写作这类存在强数据依赖的任务族中，“各自为政”只在单轮、低耦合场景下成立；一旦进入多轮、长上下文、有期刊规范约束的写作流程，编排层不是可选项，而是必需项。

目录

一、问题的提出：两个Skill同时被触发时，冲突究竟发生在哪一层

先把场景钉死。用户提交的是一批任务，例如“围绕某主题完成一篇符合目标期刊格式的综述初稿”。系统里至少存在两个Skill：文献检索Skill（下称R-Skill）与综述写作Skill（下称W-Skill）。R-Skill的说明文档通常包含检索式构造、数据库选择、去重与筛选规则；W-Skill的说明文档通常包含结构模板、论证层级、引用格式与期刊偏好。两者都“声称适用于写作任务”，因为检索本身就是写作的前置环节，而写作又必须引用检索结果。触发条件一旦写成“任务涉及文献/写作即激活”，二者就会在同一轮被同时加载。

冲突由此产生，但冲突不在模型“不会写”，而在三个更底层的位置。其一是触发层：两个Skill的激活条件存在交集，却没有互斥声明，系统无法判断谁是前置、谁是后继。其二是上下文层：两份说明文档同时进入上下文窗口，与用户的研究问题陈述、期刊投稿要求争夺同一份注意力预算。其三是执行层：即便模型“知道”应该先检索，默认流程也可能让W-Skill先输出一个结构骨架，再回头补文献，导致骨架与证据错位。本文评述：把这三层混为一谈，是多数讨论失焦的原因——人们争论“要不要编排层”，实际上是在争论执行层，而真正的瓶颈往往在触发层与上下文层。

一个常见的误解是：只要模型足够强，就能在冲突说明中自行取舍。这一判断在单轮、短上下文、低耦合任务中大致成立；但在长上下文写作任务中，说明文档的边际收益会快速衰减。检索增强生成（RAG）的经典工作已经指出，检索到的内容并非越多越好，无关或冗余上下文会稀释模型对关键信息的利用（Lewis et al., 2020, NeurIPS）。后续关于“迷失在中间”（Lost in the Middle）的研究进一步表明，当关键信息位于长上下文的中部时，模型利用率显著下降（Liu et al., 2023, arXiv:2307.03172）。本文评述：这两条结论合起来，恰好解释了“加载大量说明会挤占理解研究问题与期刊要求的空间”——不是说明文档本身有害，而是它与真正需要被理解的任务约束在竞争同一份注意力。

因此，问题的正确提法不是“各自为政还是编排层”这种二选一，而是：在什么任务特征下，编排层的收益超过其成本。本文的主线由此确立：以上下文预算为约束条件，以触发竞争为失效入口，以仲裁顺序为工程抓手，逐层给出可验证的判断与可执行的方案。

二、概念界定：Skill、编排层与上下文预算

2.1 Skill的定义与边界

本文把Skill定义为一组可被独立加载的指令、工具与约束的封装，它在被激活后向模型注入一段说明文本，并可能挂载若干可调用工具（如检索接口、格式化器）。Skill的关键属性有四：触发条件（何时激活）、能力声明（能做什么）、资源需求（需要多少上下文与工具调用）、产出契约（输出什么结构）。缺少任一属性，Skill就退化为一段提示词片段，无法参与编排。

需要区分Skill与工具（Tool）。工具是可被调用的函数，Skill是“何时调用、如何组合工具”的策略封装。R-Skill内部可能调用多个检索工具，W-Skill内部可能调用引用格式化工具，但二者作为Skill的差异在于策略而非接口。本文评述：这一区分很重要，因为很多“Skill冲突”实际上是策略冲突，而非接口冲突；接口冲突可以用适配器解决，策略冲突只能靠编排层仲裁。

2.2 编排层的定义

编排层（Orchestration Layer）是位于用户请求与Skill执行之间的控制组件，负责三件事：决定激活哪些Skill、决定激活顺序与并发度、决定在预算不足时裁剪哪些说明。它与“路由器（Router）”不同：路由器只做单次分派，编排层维护跨轮次的状态与依赖关系。它与“Agent”也不同：Agent强调自主规划，编排层强调确定性与可回滚。

在学术写作场景中，编排层的最小职责可以概括为“三定”：定序（先检索后写作）、定额（给每个Skill分配上下文配额）、定界（明确每个Skill的输入输出边界，防止W-Skill越权编造文献）。这三定构成了后文所有设计的骨架。

2.3 上下文预算的量化

上下文预算指一次推理可用的token总量中，分配给“任务约束理解”的有效份额。设总窗口为C，系统提示占S，用户任务陈述占U，已加载Skill说明占K，检索证据占E，则留给模型理解研究问题与期刊要求的有效预算B可近似写为：

B ≈ C − S − U − K − E − R
其中 R 为预留的输出与推理余量（建议 ≥ 15%·C）

这个式子不是精确模型，而是一个工程估算工具。它的价值在于把“说明文档挤占空间”从模糊感受变成可计算量：当K增长时，B单调下降；当B低于某个阈值，模型对期刊格式要求的遵循率会明显下滑。本文评述：与其争论“说明该写多长”，不如先测量B，再决定K的上限。这一思路与检索增强生成中“上下文精炼”的研究方向一致——重点不是塞入更多，而是提升单位token的信息密度（如RECOMP的压缩与选择性增强，Xu et al., 2024, ICLR）。

三、失效机制：多Skill并发的四类冲突与可观测信号

要设计编排层，先要把失效讲清楚。笔者把多Skill并发的冲突归为四类，每类都配一个可观测信号，便于在日志中定位。

3.1 触发竞争：激活条件的交集未被消解

当R-Skill与W-Skill的触发条件都写成“任务含文献/写作关键词”，二者必然同时激活。可观测信号是：同一轮请求中，激活的Skill数量超过任务实际需要的数量，且存在能力重叠声明。这类冲突的根因是Skill作者各自为政地写触发条件，缺少全局的互斥与优先级约定。

3.2 上下文挤占：说明文档的边际收益递减

两份说明同时进入上下文，模型对用户研究问题的关注被稀释。可观测信号是：在加入第二份Skill说明后，模型对期刊格式要求的遵循率下降，或对研究问题中限定条件的遗漏率上升。这与长上下文利用率的经验规律一致：信息位置与相关性共同决定利用率（Liu et al., 2023）。本文评述：这类冲突最容易被误判为“模型能力不足”，实则是预算分配问题。

3.3 顺序错位：写作先于证据，导致事后补引

若W-Skill先输出结构骨架，模型会倾向于“先写再找”，产生两类后果：一是骨架中的论断缺乏证据支撑，二是补引时出现“为已有句子找文献”的逆向匹配，增加引用错配风险。可观测信号是：生成文本中的引用与检索结果集合的交集比例偏低，或出现检索集合中不存在的引用。

3.4 状态污染：跨轮次的中间产物互相覆盖

多Skill并发时，若共享同一份草稿状态，后执行的Skill可能覆盖先执行Skill的产物。可观测信号是：同一字段在相邻轮次被反复改写，且改写方向不一致。这类冲突在多轮写作中尤为隐蔽，因为单轮看每个Skill都“正常工作”。

把四类冲突放在一起看，会发现它们共享一个结构：缺少一个持有全局视图的组件。触发层缺全局互斥，上下文层缺全局配额，执行层缺全局顺序，状态层缺全局版本。这正是编排层要补的位。本文评述：因此“要不要编排层”的答案不取决于偏好，而取决于任务是否同时具备多Skill、长上下文、强依赖三个特征——三者齐备时，缺全局视图几乎必然导致上述四类冲突中的至少两类。

四、编排层设计：依赖图、能力契约与预算感知加载

设计目标可以写成三条可检验的约束：一是确定性，同一输入应产生同一激活序列；二是可解释，每次激活与裁剪都要留下理由；三是可回滚，任一阶段失败都能退回上一个稳定状态。下面分三块展开。

4.1 显式依赖图：把“谁先谁后”写进结构

最直接的做法是把Skill之间的数据依赖显式化。R-Skill产出“证据集合”，W-Skill消费“证据集合”并产出“草稿”，二者构成有向边R→W。依赖图的价值在于：顺序不再由模型即兴决定，而由图的拓扑序决定。对于存在循环依赖的场景（写作中发现证据缺口，回头补检索），用“阶段化”处理：把一次完整流程切分为“检索—写作—校验”三个阶段，循环只允许发生在阶段之间，不允许在阶段内部无限递归。

依赖图还应标注边的类型：数据依赖（必须等待）、约束依赖（后者需遵守前者的格式）、软依赖（有则更好）。本文评述：多数工程事故来自把约束依赖误当软依赖——例如W-Skill本应遵守R-Skill给出的引用格式，却被当作“建议”，于是格式漂移。

4.2 能力声明契约：让Skill自己说清边界

要求每个Skill在注册时声明四元组：{triggers, provides, requires, budget}。triggers是触发条件，provides是产出物类型，requires是前置依赖，budget是建议的上下文配额。编排层据此做三件事：检测provides/requires是否闭合、检测triggers是否冲突、按budget做配额分配。

这套契约的实质是把“自然语言说明”中的关键约束抽取为结构化字段，从而让编排层可以在不读全文的情况下做决策。这与工具调用领域“结构化函数签名”的思路同源：OpenAI的函数调用与后续的Tool Use规范都强调用schema约束输入输出（OpenAI, 2023, Function Calling文档）。本文评述：契约不是要取代说明文档，而是让说明文档中“必须遵守”的部分变成机器可判定的约束，剩余部分才作为软性指导进入上下文。

4.3 预算感知加载：先摘要、后展开、按需回填

预算感知加载的核心是分级：一级是“契约摘要”（几十token，含能力与依赖），二级是“流程要点”（数百token，含关键步骤），三级是“完整说明”（数千token，含示例与边界案例）。默认只加载一级与二级，三级仅在模型显式请求或校验失败时回填。这样做的依据是信息密度原则：结构化摘要的单位token信息量高于叙述性全文。

回填策略需要防抖：同一轮内最多回填一次，避免“加载—遗忘—再加载”的抖动。可观测指标是回填率与回填后任务成功率的差值，若差值不显著，说明三级说明的边际价值低，应进一步压缩。本文评述：这与上下文压缩研究的方向一致——压缩的价值不在于省token本身，而在于把有限预算让给真正需要精读的任务约束（如期刊的格式细则）。

五、工程落地：状态机、伪代码与操作步骤

把设计落成代码，关键是状态机。下面给出一个最小可用的五状态模型：IDLE（空闲）、RETRIEVE（检索）、DRAFT（写作）、VERIFY（校验）、DONE（完成）。状态迁移由事件驱动，事件来自Skill产出或校验结果。

伪代码层面，编排循环可以写得相当克制。关键不是复杂，而是每个决策都有日志、每个阶段都有产物快照：

def orchestrate(task, skills, budget):
    plan = build_dependency_graph(skills)      # 依据 provides/requires 建图
    order = topo_sort(plan)                    # 拓扑序，冲突时按优先级
    state = IDLE
    ctx = init_context(task, budget)
    for stage in order:
        sk = skills[stage]
        quota = allocate(ctx, sk.budget)       # 预算配额
        load_level = choose_level(ctx, quota)  # 摘要/要点/全文
        ctx = inject(ctx, sk, load_level)
        out, state = sk.run(ctx, state)
        ctx = record(ctx, stage, out)          # 版本化中间产物
        if state == FAILED:
            ctx = rollback(ctx, last_stable)
            break
    return finalize(ctx)

操作步骤可以归纳为五步：第一步，盘点现有Skill，为每个补齐四元组契约；第二步，画出依赖图，标出数据依赖与约束依赖；第三步，设定预算上限与分级加载阈值；第四步，接入状态机与版本化草稿；第五步，建立日志与指标，先观测再调参。本文评述：五步中最容易被跳过的是第一步与第五步——没有契约就没有可判定的依赖，没有指标就无法判断编排层是否真的带来了收益。

六、评测与数据：如何验证“先检索后写作”确实更优

编排层的价值必须可测。笔者建议从四个维度建立指标：格式遵循率、引用可追溯率、证据覆盖率、以及上下文有效利用率。前三个是结果指标，第四个是过程指标。

格式遵循率指生成文本满足目标期刊格式细则的比例，可用规则校验器自动统计；引用可追溯率指文中引用能在检索证据集合中找到对应条目的比例；证据覆盖率指检索证据中被正文实际使用的比例；上下文有效利用率可用“关键约束在生成中的出现率”近似。需要说明的是，若没有真实用户实验，这些指标可在公开数据集上做离线评测，但应明确标注为离线模拟结果，不可冒充线上数据。

关于数据来源，本文引用的方法学结论均来自公开文献，未虚构任何作者团队实验。若读者需要复现，建议使用公开的学术文本数据集做小规模对照：一组采用“各自为政”的并发加载，一组采用“先检索后写作”的编排加载，在相同预算下比较四项指标。本文评述：对照实验的关键是控制变量——预算必须相同，否则“编排更好”可能只是“少加载了说明”的副产品，这一点在既有工程报告中常被忽略。

从已有研究看，检索与生成的顺序对事实性有实质影响。RAG原始工作强调检索结果应作为生成的条件输入（Lewis et al., 2020）；后续关于“生成前检索”与“生成中检索”的对比研究也显示，前置检索在事实一致性上通常更稳（如Self-RAG引入自反思机制，Asai et al., 2024, ICLR）。本文评述：这些结论支持“先检索后写作”的默认序，但并不否定写作中回补检索的必要性——正确的表述是“主序前置、回补受控”。

七、对比与局限：编排层的成本、边界与反模式

编排层不是免费的。它引入三类成本：实现成本（契约、图、状态机）、延迟成本（串行阶段增加端到端时延）、以及过度约束的风险（把本可并行的任务强行串行）。因此需要明确边界：单轮、短文本、低耦合任务不必上编排层；多轮、长上下文、强依赖任务应当上；介于两者之间的，可用“轻编排”——只做触发互斥与预算配额，不做完整状态机。

三类反模式值得警惕。其一是“编排层变成第二个大模型”，用自然语言规划替代结构化依赖，结果不确定性反而上升；其二是“预算配额一刀切”，给所有Skill相同配额，忽视了检索与写作对上下文的需求差异；其三是“只定序不定界”，顺序对了但W-Skill仍可越权编造引用。本文评述：反模式的共同点是丢掉了编排层的确定性目标——编排层的价值在于把不确定性收拢到少数可观测的决策点，而不是制造新的不确定性。

还有一个常被忽略的局限：编排层无法弥补Skill本身的能力缺陷。如果R-Skill的检索式构造质量差，再好的顺序也只是把低质量证据更早地送入写作阶段。因此编排层与Skill质量是乘法关系，不是加法关系。

八、结论与展望

回到最初的问题：让检索Skill与写作Skill各自为政，还是先有编排层决定谁先谁后？本文的结论是分层的。在触发层，必须有互斥与优先级，否则同轮激活数失控；在上下文层，必须有预算配额与分级加载，否则说明文档挤占任务理解空间；在执行层，必须有依赖图与状态机，否则写作先于证据、引用事后补配。三者合起来，就是编排层。它不是对模型能力的替代，而是对模型注意力的治理。

展望来看，编排层会向两个方向演化：一是“契约标准化”，Skill的能力声明有望像函数签名一样成为通用规范，从而让编排可跨平台复用；二是“预算自适应”，加载策略从静态阈值走向基于任务难度的动态分配。本文评述：无论哪个方向，判断标准都应是可验证的指标改善，而非架构的复杂度。对从业者而言，最务实的起点不是搭一个大而全的编排框架，而是先把两个Skill的契约写清楚、把依赖图画出来、把预算测出来——这三件事做完，“谁先谁后”往往就不再是争论，而是配置。

主要参考文献