给 Agent 多塞几本“操作手册”，它未必更能干。比如，它原本会自己核对表格，加入一套现成流程后，反而照章操作、跳过检查。问题在于，平均成功率只展示最终涨跌：新增成功与新增失败会互相抵消，看不出技能究竟帮了多少，又弄坏了多少。
研究者在两项办公自动化基准、三种模型与运行框架组合上，比较同一任务加入技能前后的结果，共覆盖 5,832 次运行。他们把“原先成功、加技能后失败”称为回归，也就是能力倒退；结果观察到 553 次新增成功，同时出现 324 次回归，后者抵消了前者的 59%。论文称，表现最好的技能库，优势主要不是救回更多任务，而是较少破坏原本能完成的任务。
执行记录还显示，技能即使没有被调用，仅凭名称和说明出现在上下文中，也可能改变 Agent 的行为；预设流程还可能挤掉对输入的正确理解或输出核验。换句话说，评测技能不能只报平均增益，还要把收益与“退化税”分开核算。