sjtu-ipads /
skvm
论文: SkVM 是上海交大 IPADS 实验室开源的 LLM Agent Skill 编译器与运行时系统——字面意义上的编译器,不是比喻。它把一个 Agent Skill 当成源码,针对具体的「模型 + Agent 框架」组合,做 AOT 编译和 JIT 优化,再交给运行时执行。 为什么需要编译 一个 Skill 从 OpenClaw 搬到 Hermes-agent、从 opus-4.6 搬到 qwen3.6-35b-a3b,往往就会…
sjtu-ipads /
论文: SkVM 是上海交大 IPADS 实验室开源的 LLM Agent Skill 编译器与运行时系统——字面意义上的编译器,不是比喻。它把一个 Agent Skill 当成源码,针对具体的「模型 + Agent 框架」组合,做 AOT 编译和 JIT 优化,再交给运行时执行。 为什么需要编译 一个 Skill 从 OpenClaw 搬到 Hermes-agent、从 opus-4.6 搬到 qwen3.6-35b-a3b,往往就会…
论文: SkVM 是上海交大 IPADS 实验室开源的 LLM Agent Skill 编译器与运行时系统——字面意义上的编译器,不是比喻。它把一个 Agent Skill 当成源码,针对具体的「模型 + Agent 框架」组合,做 AOT 编译和 JIT 优化,再交给运行时执行。 为什么需要编译 一个 Skill 从 OpenClaw 搬到 Hermes-agent、从 opus-4.6 搬到 qwen3.6-35b-a3b,往往就会失效——因为 Skill 隐含地假设了模型的能力和 harness 中设定的 context 以及 tool sets。但这个问题被大部分人忽视,甚至使用 Skill 之后效果反而会变差也不自知。现在要解决这个问题是靠手动一个个改,既不可复现也不可扩展。SkVM 把这件事形式化成编译问题:源码(Skill)→ 目标平台(模型 + harness)→ 编译后的 Skill 及相关产物。 三个阶段,对应三种经典编译器技术 Profiling ——用 26 个原语微基准测出目标模型 + Harness 的真实能力画像,相当于编译器的目标机器描述(target description) AOT 编译 ——多 pass 重写 Skill:pass 1 能力补齐、pass 2 依赖声明、pass 3 工作流并行化(DLP/ILP/TLP),对应传统编译器的优化 pass JIT 优化 ——运行时做两件事: JIT-boost:识别重复出现的 LLM 调用,固化成模板直接旁路掉 LLM,类似 tracing JIT 对热路径的特化 JIT-optimize:支持自动生成任务或者根据真实运行日志迭代改进 Skill 内容 目前支持 Claude、OpenAI 兼容接口、OpenRouter;Agent 侧支持 bare-agent、OpenCode、OpenClaw、Hermes、pi 等 6 种 harness。 安装 bash curl -fsSL | sh 或 npm i -g @ipads-skvm/skvm Demo 视频(Skill 质量对比 / Agent 执行加速)见
讨论这个产品