时间：2026年8月6日
地点：美国/中国
人物：微软研究院与上海交通大学、复旦大学、同济大学联合团队
事件详情：微软研究院近期开源SkillOpt,这是一款文本空间优化器,目标模型在训练全程保持冻结,由优化器模型读取打分后的rollout结果并提出有界增删改编辑,通过保留验证集严格把关,只有在分数严格上升时才接受修改,最终导出单文件best_skill.md作为可复用产物。微软研究团队在GPT-5.5等模型上测试了三种迁移能力:同系列跨规模下,GPT-5.4上训练的技能在GPT-5.4-mini的SpreadsheetBench任务上保留82%的域内增益;跨CLI迁移表现最为惊艳,在Codex内训练的电子表格技能被原样放进Claude Code后,将Claude Code在该基准的得分从22.1提升至81.8,甚至略超过Claude Code从零训练的80.4,证明技能描述的是工作簿级别的检查与验证流程而非CLI命令配方;跨基准下,OlympiadBench训练的技能在Omni-MATH上仍带来稳定的正向增益。SkillOpt项目代码已在GitHub公开,论文同步发布在arXiv上,微软也将该技术纳入Agent Framework的MCP协议,使代理可直接从MCP服务器发现并加载技能。
背景：当前AI Coding Agent的提示词、技能与子代理定义都是工程师手工编写并固化在Harness里,改一行提示可能让别处直接崩溃,且不同模型、不同CLI之间的能力难以互通。Anthropic的Claude Skills、OpenAI的Codex Skills生态各自为战,行业急需一种能把技能当成可训练权重来系统化优化并跨环境复用的方法。SkillOpt由微软联合上交大、复旦、同济四家机构共同推出,正好填补这一空白。
影响：
- 让技能成为可跨模型规模、跨CLI复用的标准化资产,降低企业Agent工程化门槛
- 把最佳实践沉淀为单一markdown文件,便于审计、回滚、版本管理与团队共享
- 推动MCP生态下跨厂商技能分发,Codex与Claude Code用户可直接共享同一份训练好的技能
总结：SkillOpt把AI Agent的技能文档升级为可训练、可分发、可审计的资产,首次系统性证明自然语言技能可以脱离具体模型与CLI独立优化并迁移。这意味着未来一家公司只要在某个模型上训练好一份技能,就能在Codex、Claude Code甚至其他CLI之间无缝复用,Agent工程化从此进入技能可复用时代。
参考来源：
- https://www.microsoft.com/en-us/research/blog/skillopt-agent-skills-as-trainable-parameters/
- https://venturebeat.com/orchestration/microsofts-open-source-skillopt-automatically-upgrades-ai-agent-skills-without-touching-model-weights
- https://www.marktechpost.com/2026/08/05/microsoft-skillopt-agent-skill-transfer-portability/
- https://github.com/microsoft/SkillOpt
- https://microsoft.github.io/SkillOpt/
- https://arxiv.org/pdf/2605.23904
- https://flowtivity.ai/blog/microsoft-skillopt-train-ai-agent-skills/
- https://medium.com/@michael.hannecke/the-trainable-skill-file-where-sovereign-value-lives-in-local-coding-agents-07de9318aa5f
- https://juejin.cn/post/7660204851163938822
- https://juejin.cn/post/7660338531992502318