SkillOpt: 自动训练与优化 AI Agent 技能文件

微软联合交大、同济、复旦发了一个框架叫 SkillOpt,思路很有意思:像训练神经网络一样训练 AI Agent 的技能文件

它不动模型权重,训练的是 Skill——就是你给 Claude Code 或 Codex 写的那些 prompt 和指导文档

做法是把神经网络训练的那套搬过来:轮次、批量大小、学习率、验证门控,全部套在自然语言上。执行任务 → 记录过程 → 复盘 → 修改 Skill → 验证效果,自动闭环迭代

结果很夸张。7个大模型、6类任务、3种 Agent 环境,总共52组测试,全部第一或并列第一

但最有价值的不是跑分,是它的迁移能力:

在 GPT-5.4 上优化好的技能文件,直接给 GPT-5.4-nano 用,性能提升 5.6 分 在 Claude Code 里优化好的技能,直接搬到 Codex 里用,提升 29.4 分 甚至能从一个数学基准迁移到另一个

一个 best_skill.md 文件,到处能用

对那些天天手动调 prompt 调到头秃的人来说,这个东西等于把调参这件事自动化了

#SkillOpt#Agent#提示词#微软#ClaudeCode#Codex#框架#自动化

关联工程母题系统与实测说明:

本篇「SkillOpt: 自动训练与优化 AI Agent 技能文件」由 整理收录于 qilaidav 工程知识库,围绕 企业协同与三库底座 (Spec/Prompt/Memory) 的生产环境架构设计、链路排障与确定性验证展开沉淀。完整系统模块、部署边界与技术规格请查阅方案主页:→ 查看 企业协同与三库底座 (Spec/Prompt/Memory) 详情(架构诊断与定制交流:Telegram @BD8888 · hello@qilaidav.com · GitHub @qilaidev)。

免责声明与评测方法:本文所涉开源工具、模型基准与工程配置均基于实测环境与公开技术资料整理,仅供系统架构研发参考,不构成任何商业背书或投资建议。

— qilai · 摘自 Telegram 频道 @AIKB8