最近 SkillOpt 很火。
微软的这个开源项目已经拿下 9000+ Star。
它把写Agent技能文档这件事也变成了一种真正的训练过程。
前向传播、反向传播、参数更新、门控验证等等全都用了上。
简单来说，SkillOpt 就是专门帮 Agent 打磨 skill.md 的，把原本靠经验写的技能文档，变成像训练模型一样不断迭代优化。
平时写技能文档就是这样的：
写了份技能文档之后就把它丢给了 Agent 去执行任务，结果不理想就又改了文档再运行一次，还是不行……
错误率高，并且没有系统的办法。
整个过程就是补课，但是没有考试、没有分数、不知道是对是错。
SkillOpt 把整个过程变成了一种真正的训练过程。
假如你要写一本《做菜指南》来教会一个初学者学会做饭。
01 先让他做一次，并且把整个过程都记录下来。
新手拿着你的指南走进厨房，你得让他把整个过程都记录下来：用了哪些食材、加了多少调料、温度是多少度、最后的味道如何。
SkillOpt 也是这样：让 Agent 用现有的技能文档来运行一些任务，并且把整个执行的过程、工具调用、验证反馈和最终得分全部记录下来。
这就如同深度学习中的“前向传播”，运行一次，观察一下结果。
02 查看记录，找到问题。
你看他做的记录，好的菜都有放盐，不好的就没有放盐。
找到问题了，在指南中没有提到“要放盐”。
SkillOpt 也是一样的：用一个单独的模型来分析这些轨迹，并找到哪里是错的、哪里是对的。
也就是说，它把失败与成功的过程分开来处理——失败的过程用来找出“哪些规则要修改”，而成功的过程则用来确定“哪些规则是有效的，不能随便改动”。
这就相当于在计算“梯度方向”，知道要朝哪个方向去修改。
03 改指南但是不要改太多。
你要修改指南，但是每次只改一两个地方。
为什么不能一次性全部修改呢？因为改动太多，你就不知道是哪一个改动起了作用，如果改错了也无从得知哪里错了。
SkillOpt 也一样：提出具体的操作——增加新的规则、去掉无用的规则、修改要改正的规则。
有一个很重要的概念叫做“文本学习率”，默认值为4，表示每次最多修改4处。
这就如同在深度学习中使用的learning rate一样，避免一次改变过大而把之前学到的东西给覆盖掉了。
04 试过了才知道，改对了才会留下。
新手拿着新的指南再试一次，如果菜变好吃的话，就说明改对了；如果没有变好吃，那么这个改动就被否决了，你要把这一个方向错误记录下来。
SkillOpt 也一样：新技能文档要在验证集上严格提高性能之后才被接受。
如果验证失败的话，那么这个编辑就会被拒绝并且记录在“拒绝编辑缓冲区”中，以防止下一次再出现相同的失败方向。
这就如同在深度学习中进行验证一样，保证修改的方向是正确的。
还有一个亮点：迁移能力。
GPT-5.5 训练出的技能文档可以被直接应用到 GPT-5.4-mini 上；在 Codex 上训练出来的也可以用在 Claude Code 上。
这就意味着你可以不用为每一个模型都重新编写技能文档了，只需要训练一次就可以重复使用。
测试结果怎么样？
52 个测试场景中，全部都是最好或者并列最好的。GPT-5.5 平均提高了 23.5 个百分点，在 ALFWorld 上 GPT-5.4-mini 由原来的 70.9% 提升到了现在的 85.8%。
只用了 4 个被接受的编辑。
训练中分数逐渐提高，被拒的编辑也可以看到。
如果你也想试一下，可以参考下面的步骤。
01 安装。
git clone https://github.com/microsoft/SkillOpt.git
cd SkillOpt
pip install -e .
02 配置 API。
把.env.example 复制一份到.env里，并把里面的API密钥填上：
# OpenAI
export OPENAI_API_KEY="sk-..."
# 或 Azure OpenAI
export AZURE_OPENAI_ENDPOINT="https://your-resource.openai.azure.com/"
export AZURE_OPENAI_API_KEY="your-key"
# 或 Anthropic Claude
export ANTHROPIC_API_KEY="sk-ant-..."
03 准备数据。
两种方式：
-
自动划分：准备好原始数据，让 SkillOpt 自动划分训练集、验证集、测试集 -
手动划分：自己准备好三个文件夹
04 开始训练。
python scripts/train.py --config configs/searchqa/default.yaml
可以指定teacher和student模型：
python scripts/train.py \
--config configs/searchqa/default.yaml \
--teacher_model gpt-5.5 \
--student_model gpt-5.5
05 查看结果。
训练完成后，输出目录结构：
outputs//
├── best_skill.md #最后训练出的技能文档
├── skills/ #每个步骤都对应一个技能快照
├── steps/ #每个步骤都做了详细的记录
└── history.json #训练历史
06 部署使用。
把 best_skill.md 文件的内容直接放入到Agent的system prompt中就可以使用了。
整个训练过程中没有增加额外的推理开销，在部署的时候也不需要调用优化器模型，只是多了一个Markdown文件。
写到最后
SkillOpt 让我重新思考了一个问题：
Agent 的能力上限，到底是受限于模型本身，还是技能文档的质量？
过去人们只重视模型的能力，而现在发现技能文档的质量也很重要。
即使模型很强，但是文档写得不好，那么Agent也无法很好地发挥作用。
SkillOpt 提供了一个系统化的方案，让技能文档可以像模型一样不断训练和优化。
这可能会成为 Agent 工具链发展的重要方向。
项目基于 MIT 协议开放，感兴趣的同学可以去 GitHub 仓库看看源码和文档。
开源地址：https://github.com/microsoft/SkillOpt