大型语言模型代理在复杂交互任务中日益依赖执行轨迹。现有方法仅做浅层轨迹检索和扁平技能概括，忽视了行为的时间依赖和结果导向的拓扑结构。Trace2Tower 提出一种转移感知的 EigenTrace 框架，将原始轨迹蒸馏为稳健的技能层次结构。它首先把步级交互抽象为规范事件，并在语义兼容性、转移动力学和结果证据的约束下构建统一图。随后通过对比谱分解，分离出稳定且与成功高度关联的行为模式，同时严格抑制易导致失败的捷径。这些模式自然形成一个动态的技能塔，包含动作模板、过程例程以及整体任务策略，并在验证器引导的反馈下持续优化。实验在 ALFWorld 上实现 87.31% 成功率，仅需 10.35 步和 0.26 次无效动作；在 WebShop 上达到 50.67% 的精确成功率。整体上，Trace2Tower 在任务掌握度和上下文高效经验复用方面显著超越所有基线。
点评