正在打开每日关注
正在打开每日关注
视频介绍微软开源 SkillOpt：通过任务评分、迭代编辑与验证门控，优化冻结 LLM Agent 的自然语言技能说明书。
Overview Modern agent skills are usually hand-crafted, generated one-shot by a strong LLM， controlled self-revision 一 none of which behaves like a deep-learning optimizer for ; reliably improves over its starting point under feedback. Skillopt treats the skill document as the t
SkillOpt 被介绍为面向冻结 LLM Agent 的“文本空间优化器”：不改模型权重，而是训练可复用的自然语言技能说明书，并产出可部署的 best_skill.md。
视频描述的流程是：用当前说明书执行一批任务并评分，由优化器提出增删修改，再以验证集决定是否保留更新。其核心是“验证门控”——只有成绩确实提升才接受改动，避免提示词或技能文件在反复改写中退化。OCR 还显示项目提供完整训练循环、多后端支持、内置基准与 WebUI 的说法。
对持续维护 Agent 技能的团队，可将原本凭经验修改提示词的过程转成可复现实验：固定任务集、定义评分、保存候选版本、以验证结果选择版本。这样更适合比较技能说明而非只看单次演示效果。
上述能力、兼容性和“在 Claude Code 平均提升 19 分多”均来自视频材料，尚未独立核验；具体基准、任务分布、成本与可迁移性不明。它优化的是技能文本，不等同于替代模型微调，也未必适合一次性、低频的提示词场景。