微软开源的 SkillOpt，把"改提示词"这件事做成了训练神经网络。
思路一句话。自然语言的技能文档就是可训练的状态，模型权重一个字不动，在纯文本的空间里做严格、可复现的自我迭代。深度学习那套被整个搬了过来，轮次、批量、文本学习率预算、拒绝编辑缓冲区。
打完分的执行轨迹被折成增、删、改三类动作，每类都设了边界。还有一道验证的关口：改动想留下，得在留出来的验证集上把准确率真提上去，提不上去就退回原样，从机制上堵住越改越烂。收敛后的产物是一份紧凑的 best_skill.md，三百到两千 token，挂到冻结的基座模型上就能用，部署阶段零额外调用。
最对我胃口的是 SkillOpt-Sleep。夜里后台静悄悄跑一轮，收会话、挖任务、重放验证、固化入库，天亮桌上多一份变好的技能文档。它已接进 Claude Code、Codex 和 Copilot 这些本地工具链，还带 WebUI 监控面板，后端覆盖 OpenAI、Claude、Qwen 和 MiniMax。
实测那组也记下：GPT-5.5 上纯对话场景准确率涨 23.5，Codex 的 agent 循环里涨 24.8，Claude Code 环境涨 19.1，优化后的技能跨模型迁移效果还明显。这跟前面参考图拆结构那篇是同一种信念，把好做法固化成能带走的资产，而不是每次凭手感重来。
保留的照旧是数字的出处。三组涨幅出自项目自己的测试，任务分布和留出集怎么划的还得翻论文；夜里自进化会不会把偶然当规律收进去，也得看那道门挡不挡得住。
做 agent 落地的值得进仓库翻一翻，先拿自己最烦的那条提示词开刀。仓里的标签也摆着身份：#PromptEngineering、#OpenSource、#Microsoft。
显示更多
话题来源 @realfxw
2.6K阅读 ❤️9
