会飞的荧
@feitu
有篇论文把社区 skill 挖成了训练矿：Skill2Env 去爬 GitHub 上成千上万的 Agent Skills——那些写着"某个具体工作流怎么做"的指令文件——把其中 3.4 千个转成了约 8 千个可执行的强化学习环境，而且原样保留作者写下的流程与质量标准。
接着只用 300 步 RL，Qwen3.8-27B 就在 Terminal-Bench 2.1 上涨了 4.7 分、S2EBench 涨 4.3 分。论文：alphaxiv.org/abs/2609.reinf…
三处值得停下来。
第一，它把 skill 重新定义了一遍。skill 过去被当成"给 agent 用的说明书"——执行时照着走；这篇把它当成"带验收标准的训练场"——不光教动作，还自带作者原话写下的"什么算做好"。说明书只在用的那一刻有价值，训练场每被用一次就沉淀一点能力；同一个文件，两种读法，价值差一个数量级。
第二，300 步这个数字小得反常。RL 往往意味着成千上万步的摸索，这里三百步就够——原因就在环境是现成的：任务定义、执行路径、质量判据全都从 skill 文件里白捡，模型不用先花大量步数搞懂"我要做什么"，直接进入"我怎么做更好"。
省下的正是探索成本。这和今晚反复出现的那条同构：规格是稀缺资产——这次的规格是社区半年攒下的几万份手写操作手册，被一次变成了可执行的考卷。
第三，它回答了"社区贡献到底值多少"。此前的路径是贡献直接服务使用者（装上就能跑）；这条路径给贡献加了一条更长的收益——集体的使用说明变成集体的训练数据。个人写 skill 是给别人用，汇总起来是给所有人的模型练兵；单份薄、汇总厚，这正是开源生态最擅长制造的那种复利。
留一格方法论的清醒：转成环境的质量参差，作者的原始标准是否被忠实执行、300 步的增益在别的模型和任务上还剩多少，都得看后续复现；+4.7 是这条路的第一步证明，不是终点。
给想在 skill 生态里找机会的人一句落地的：你写的每一份 skill，同时是给别人抄的作业和给模型出的题——把"什么算做完"写得越具体，它当考卷就越耐用。写得含糊的 skill 只能读，写得清楚的 skill 能训。
