本篇 (2605.19362) 从 usable-security 视角审计 agent skill 规范的用户可理解性，与以下三篇形成关联网络：
| Related | 关联维度 | 关系类型 |
|---|---|---|
| 2602.12430 (Agent Skills Architecture) | 定义 SKILL.md 范式的架构综述；本篇的审计对象正是该架构所规范的产物 | upstream-definition |
| 2605.07358 (Comprehensive Survey) | 形式化 skill 生命周期 $S = (M, \mathcal{R}, \mathcal{C})$；本篇度量的是 $M$ 对人类用户的可理解性 | complementary-formalization |
| 2603.29919 (SkillReducer) | 压缩 skill body 的 token 效率工具；其"example-as-specification"失败模式与本篇对 example anchor 的重要性发现直接呼应 | empirical-convergence |
关联逻辑：三篇相关论文从系统侧（架构、效率、治理）优化 skill 生态，而 2605.19362 是集群中唯一从用户认知侧审计 skill 质量的工作。它填补了"技能可用但不可理解"这一盲区——即使架构设计完善（2602.12430）、生命周期完整（2605.07358）、token 开销被压缩（2603.29919），用户仍可能无法构建对 skill 行为的有界期望。
2602.12430 的安全治理框架（G1–G4 验证门控 + T1–T4 信任等级）完全面向对抗性安全——检测 prompt injection、data exfiltration、agent hijacking [2602.12430]。2605.19362 的核心增量是揭示：通过所有安全审计的 skill 仍可能在用户理解层面失败。一个 T4 级认证技能若缺少 example anchor（81% 的情况），用户无法独立构建 first local check [2605.19362]。
具体 delta：
2605.07358 的生命周期四阶段（representation → acquisition → retrieval → evolution）中，没有任何阶段包含"用户理解验证"环节 [2605.07358]。Evolution 阶段的五步流水线（revision → validation → policy coupling → repository evolution → runtime governance）只验证功能正确性，不验证可理解性。
具体 delta：
SkillReducer 的失败模式分析中，4.7% 的 true regression 归因于"example-as-specification"——例子隐式定义了期望行为，移入 reference module 后变得不可用 [2603.29919]。这与 2605.19362 的核心发现直接汇合：example anchor 是唯一能使 first-check construction 完全独立于代码检查的锚点 [2605.19362]。
具体 delta：
| 维度 | 2602.12430 / 2605.07358 / 2603.29919 | 2605.19362 新增 |
|---|---|---|
| 审计视角 | 对抗性安全 / 功能正确性 / token 效率 | 用户理解 |
| Skill 定位 | 指令容器 / 过程性知识载体 / 可压缩文本 | 能力披露文档 |
| Example 角色 | 可选辅助 / 可延迟加载 | 理解的锚点（不可缺失） |
| 度量对象 | 漏洞率 / task success / retention | 锚点覆盖率 |
四锚点通过 case-insensitive regex 对 headings 和 prose 关键词匹配测量。这种方法的召回率取决于作者使用"标准"关键词的程度。如果一个 skill 通过代码注释中的 inline example 而非"Example"标题下的 structured example 提供示范，regex 会漏判为"缺少 example anchor"[2605.19362]。
严重性: 中等。论文承认此系统性假阴性风险，但未量化。若假阴性率达 15%+，example anchor 的真实覆盖率可能从报告的 19.0% 升至 ~22–25%，但 73-point gap 结论仍成立。
论文声称"examples make first local checks constructible from spec alone"，但这仅基于 n=6 的定性子集，且唯一的 example-bearing skill (dns-exfil-zeek) 同时可能在其他维度也是该子集中写作质量最好的 [2605.19362]。无法排除 confound：example 的存在可能只是整体高质量规范写作的 marker，而非因果性的理解促进因素。
严重性: 高。论文将 §5 的三个 open research questions 表述为 causal（"when do examples help"），但实证证据只支持 correlational observation。需要 controlled user study（论文自身 §6 Limitation 1 也承认）。
878 个 skill 全部来自 cybersecurity 领域。这些 skill 具有特殊性质：(1) 操作对象高度技术化（DNS 查询、C2 信标）、(2) 用户群体是安全分析师而非普通开发者、(3) 验证成功的标准（"能否构建 first check"）是领域特定的 [2605.19362]。
coding agent 场景下的 skill（如 2603.29919 分析的 55,315 个 public skills）面向不同用户群体，其 comprehension support 的 base rate、需求类型和 failure mode 可能完全不同。
严重性: 高。论文显式 bound generalizability to cybersecurity，但标题和 abstract 暗示了更广泛的适用性（"LLM Agent Skill Specifications"而非"Cybersecurity Agent Skill Specifications"）。
"User comprehension"被操作化为四个文本锚点的存在/缺失——这是一种 proxy measure。实际的 comprehension 是认知状态，不能仅通过文本特征的有无来衡量。一个锚点齐全的 spec 若使用晦涩术语、逻辑跳跃或隐含假设，仍可能无法被理解 [2605.19362]。
严重性: 中等。四锚点是 necessary condition 的度量（锚点缺失 → 理解必然受限），但非 sufficient condition（锚点存在 ≠ 理解成立）。论文未混淆两者，但读者可能会。
2605.19362 在 agent skill 研究中占据独特的"usable-security meets agent ecosystem"交叉位：
Agent Skill 研究光谱:
← 系统侧 用户侧 →
架构设计 效率优化 安全治理 可理解性
(2602.12430) (2603.29919) (2602.12430 (2605.19362)
(2605.07358) §6)
范式转移信号：将 agent skill specification 重新定位为"disclosure document"（而非 instruction container）是一个 framing shift，与 Android/iOS privacy nutrition labels 从"为系统服务"到"为用户服务"的演变同构。若这一 framing 被社区接受，后续所有 skill 审计工具（Agent Audit, skill-audit, DynAuditClaw）都需要增加 comprehension 维度。
有利因素:
不利因素:
SkillReducer 的 taxonomy classifier 已将 body content 分为 5 类（core rule / background / example / template / redundant）[2603.29919]。2605.19362 的四锚点可以作为 quality constraint layer叠加在 SkillReducer 之上：压缩前先检查四锚点覆盖，确保压缩不会移除用户理解所需的 example anchor。这解决了 SkillReducer 4.7% true regression 中"example-as-specification"失败模式的根因。
设计实验：同一 skill 的 4 个版本（分别移除 1 个锚点），测量用户 first-check construction time 和准确率。这将回答：(1) 哪个锚点的缺失代价最大？(2) 锚点之间是否有冗余？(3) 是否存在"minimum viable comprehension set"（如仅 example + operational basis 即足够）？
技术可行性: 高。可在 coding agent 用户群中招募参与者，使用 SkillReducer 的 600-skill 基准集构建材料。
SkillReducer 已证明 LLM 可以从 body 生成 routing description [2603.29919]。同样，可以从 skill 的 helper code + body 自动生成缺失的 example anchor。管道：(1) 静态分析 helper code 提取 I/O schema → (2) LLM 生成 concrete example → (3) sandbox 执行验证 example 可运行 → (4) 注入 spec。
与集群的交叉：2602.12430 的 G3 行为沙箱 [2602.12430] 可复用为 example 验证环境；2605.07358 的 evolution 阶段 [2605.07358] 可将 auto-generated examples 纳入 revision pipeline。
将 2605.19362 的四锚点作为 SkillReducer 的 compression constraint：在 Stage 2 taxonomy classification 阶段，标记为 example anchor 的内容获得"不可降级"标志（即不能从 core 移入 on-demand reference）。预期效果：解决 SkillReducer 4.7% true regression 中由 example-as-specification 引起的失败，代价是 body compression 比例略微下降（从 39% 降至估计 ~33-35%）。
技术可行性: 高。仅需修改 SkillReducer taxonomy classifier 的 fallback rules，无需新模型。
2605.19362 仅覆盖 cybersecurity（878 skills）。将相同的 regex 编码器应用于 SkillReducer 的 55,315 public skills（覆盖 coding/web/general 领域）[2603.29919] 和 2605.07358 报告的 SkillsMP 700k+ 生态系统 [2605.07358]，测量：(1) 领域间锚点分布是否一致？(2) coding agent skills 是否因为面向开发者而有更高的 example 覆盖率？(3) 机构 vs 社区作者的锚点差异是否跨领域稳定？
技术可行性: 高。编码器已开源，可直接规模化。
当前四锚点是 静态 spec 属性。Adaptive 方向：agent 在运行时检测用户是否已理解 skill 行为（通过用户提问模式、错误率、修正频率），动态注入 example 或 boundary 信息。这与 2602.12430 的三层渐进加载 [2602.12430] 结合——将 comprehension support 作为第四层加载逻辑：
技术可行性: 中等。需要 user confusion detection model，当前无成熟方案。