微软开源 SkillOpt：像训神经网络一样训 AI 技能

想让 AI Agent 精通某个任务，传统路子是微调大模型。但微调贵、慢、还要数据，而且一动模型权重，通用能力可能跟着下降。微软开源的 SkillOpt 走了一条反直觉的路：像训练神经网络那样训练 AI 的技能，但完全不动模型权重，训练对象只是一个几百 token 的 markdown 文本文件。

官方数据相当亮眼：在 GPT-5.5 上，直接对话的平均准确率提升 23.5 个点；放进 Codex 的 agent loop 里提升 24.8 个点；在 Claude Code 里提升 19.1 个点。而且这些"练出来"的技能，还能跨模型、跨工具迁移。仓库采用 MIT 协议，pip install skillopt 即可安装。本文拆解它的核心思想、训练循环、稳定性设计和上手方法。

一、技能从哪来：三条老路都不算训练

目前 Agent 的技能（skill）通常有三种来源：

手写：专家凭经验写一份 prompt 或规则，质量全凭作者水平
一次性生成：让一个强 LLM 写一版，质量看运气
松散自我修订：让 Agent 自己改自己的技能，没有验证环节，容易越改越糟

这三种方式都不是"训练"。它们没有梯度、没有验证集、没有早停，无法保证改了一定变好。SkillOpt 的 README 第一句话就点破了它的定位，大意是：像训练神经网络那样训练 agent 技能，有 epoch、batch size、学习率和验证门，但全程不碰模型权重。

二、核心思想：技能文档就是可训练参数

SkillOpt 把技能文档当作冻结 Agent 的"可训练状态"。具体机制是这样的：

SkillOpt 架构：模型冻结，只训练外挂的技能文档

大模型完全冻结：GPT-5.5、Claude、Codex 的权重一个数都不改
可训练的"参数"是一个 markdown 文件：通常是 300 到 2000 token 的技能文档
一个独立的优化器模型：根据 agent 跑任务的真实轨迹（trajectory），生成"增、删、改"三类编辑建议
验证门（validation gate）：一个编辑建议只有在严格提升 held-out 验证分数时才会被接受
部署零成本：训练完只得到一个 best_skill.md 短文件，推理时挂上去就行，零额外模型调用

翻译成人话：传统训练改的是模型内部的"肌肉"，SkillOpt 改的是模型外挂的"说明书"。说明书越练越精确，模型还是那个模型。

三、训练循环：六步，深度学习的文本版

SkillOpt 的训练循环在文档里写得明明白白：

text

rollout → reflect → aggregate → select → update → evaluate
(试跑)    (反思)    (聚合)      (选择)   (更新)   (验证)

SkillOpt 六步训练循环与深度学习类比

逐步来看：

Rollout（试跑）：用当前技能文档让 agent 在任务上跑一轮，记录完整轨迹
Reflect（反思）：优化器模型分析轨迹，找出哪里做得好、哪里做错了、文档该怎么改
Aggregate（聚合）：把多次 rollout 的反思汇总，避免被单次噪声误导
Select（选择）：从一批候选编辑里挑出最可能有效的几个
Update（更新）：把选中的编辑应用到技能文档
Evaluate（验证）：在 held-out 验证集上测新文档的分数，只有严格提升才接受，否则回滚

这个循环眼熟不眼熟？它就是深度学习训练循环的文本版：rollout 对应前向传播，reflect 加 aggregate 对应梯度计算，select 加 update 对应权重更新，evaluate 加验证门对应早停。SkillOpt 把"训练"这个概念从权重空间搬到了文本空间，同时保留了训练的全部优点：可复现、可验证、可早停。

四、三个机制，保证文本训练不崩

让"文本训练"稳定比想象的难：文本编辑容易越改越乱、越改越长。SkillOpt 用了三个机制：

1. 文本学习率预算

深度学习用学习率控制每步改多少权重，SkillOpt 用"文本学习率"控制每步最多做几次编辑。配置文件里 optimizer.learning_rate 的注释直接写着"每步最大编辑数"，还支持 cosine 调度。小步快跑，防止一轮把技能文档改得面目全非。

2. 拒绝编辑缓冲区

被验证门拒绝的编辑不会白白丢掉，它们会进入一个缓冲区。后续轮次里如果类似编辑反复被拒，优化器就学会"这类改动没用"，不再浪费算力尝试。相当于文本版的负梯度累积。

3. Epoch 级慢速与元更新

不是每轮都大改。配置里的 use_slow_update 类比动量，在 epoch 边界做慢速更新；use_meta_skill 提供跨 epoch 的优化器记忆，做结构性调整时参考历史。这种节奏控制避免了技能文档在优化过程中崩坏。

三个机制叠加的效果，官方给了一句话结论：在 6 个 benchmark、7 个目标模型、3 种执行 harness（直接对话、Codex CLI、Claude Code CLI）组成的 52 个评测单元上，SkillOpt 全部取得最佳或并列最佳。不是偶尔有效，是稳定、可复现地有效。

五、硬数据：模型无关、工具无关的提升

场景	平均无技能准确率提升
GPT-5.5 直接对话	+23.5 点
GPT-5.5 在 Codex agent loop 里	+24.8 点
GPT-5.5 在 Claude Code 里	+19.1 点

更重要的是迁移能力：

在 Codex 上训出来的技能，能直接用在 Claude Code 上，不用重训
在小模型上训的技能，迁移到大模型仍然有效
在 benchmark A 上训的技能，对相近的 benchmark B 也有提升

为什么能迁移？因为技能文档描述的是"怎么做这类任务的方法论"，不是某个模型的怪癖。好方法是普适的，就像一份好的工作 SOP，换个人执行也管用。训一次、多场景复用，这是它比微调划算得多的地方。

六、SkillOpt-Sleep：让 Agent 在夜里自动复盘

2026 年 6 月 15 日，项目上架了一个预览功能 SkillOpt-Sleep，官方称之为"夜间离线自进化伴侣"。它面向本地编码 agent（Claude Code、Codex、Copilot），在你不用电脑的时段自动回顾过去的会话、重放反复出现的任务，并用同样的验证门把有效技能巩固下来。

开发者过去沉淀经验靠手动：在技能文档里记下踩过的坑，跑完任务手动复盘。SkillOpt-Sleep 把这套流程自动化了，本质上是给 Agent 装了个"睡眠学习系统"，类似人睡觉时大脑巩固白天的记忆。第二天早上打开电脑，你的 Agent 比昨晚更聪明了一点。

七、上手：从安装到部署

bash

pip install skillopt

v0.1.0 已于 2026 年 6 月上架 PyPI，要求 Python 3.10+，MIT 协议。训练侧支持 OpenAI、Azure、Claude、Qwen、MiniMax 多种后端，内置 6 个 benchmark，还带一个 WebUI 监控面板。基本流程五步：

准备数据：目标任务的一些样例（输入与期望输出）
配置：在 YAML 里选目标模型、优化器模型和 benchmark，关键参数包括 num_epochs、batch_size、learning_rate 和验证门开关 use_gate
训练：以最快的 SearchQA 为例（官方文档标注约 30 分钟）：

bash

python scripts/train.py --config configs/searchqa/default.yaml

产出：outputs/ 目录下会生成 best_skill.md，通常 300 到 2000 token，每一步的候选技能、轨迹摘要和验证记录都在旁边，可复现可回溯
部署：把 best_skill.md 挂到 Claude Code 的 CLAUDE.md、Codex 的 AGENTS.md，或任何 skill 系统里

训完想单独评测，用 scripts/eval_only.py 指定配置和技能文件即可；想在图形界面里盯训练进度，pip install -e ".[webui]" 后运行 python -m skillopt_webui.app，默认开在 7860 端口。目前 gbrain、gbrain-evals、darwin-skill 等项目已经集成了 SkillOpt。

八、适用场景与注意事项

建议认真看看，如果你：

做 AI Agent 开发，想让 agent 稳定精通某类任务
在用 Claude Code 或 Codex，想把自己手写的 skill 优化到接近最优
不想花大价钱微调，但想要微调级别的效果
做企业 AI 落地，需要可复现、可验证的能力提升

也要注意：

训练本身要消耗 token：rollout 和反思都要调模型，验证门保证的是不白花，不是不花
技能质量取决于 benchmark 的设计，垃圾任务进，垃圾技能出
跨模型迁移不是无限的，模型或任务差得太远，迁移收益会下降

九、结语

SkillOpt 最有价值的洞察是：在模型权重普遍冻结、各家模型差距不断缩小的当下，技能文档是性价比最高的优化面。真正拉开 agent 能力差距的，往往就是挂在外面的那几百 token。它把"训练"的纪律性，epoch、学习率、验证门、早停，带进了提示词这个轻量领域，让技能从凭手感手写，变成有纪律地训练。

项目地址：https://github.com/microsoft/SkillOpt ，论文见 arXiv:2605.23904，文档与复现指南：https://microsoft.github.io/SkillOpt/docs/guideline.html 。