当前，大语言模型智能体（agent）的真正难点已经不在于“能不能调用工具”，而在于“能不能稳定、可复用地完成任务”。过去，智能体的技能通常有三种来源：专家手写、由前沿大模型一次性生成，或者运行后进行松散的自我修订。这些方法虽然在某些场景下能勉强见效，但都普遍缺少深度学习优化器才具有的“训练纪律”。
由于缺乏稳定的步长控制、显式的验证集选择，以及对失败修改的负反馈记忆，智能体的技能往往越改越长、越改越偏。很多时候，智能体在经历了一轮看起来十分合理的提示词重写后，实际的任务表现反而出现了倒退。这种不受控的技能演进，成为了制约智能体向工业级应用迈进的核心瓶颈。
SkillOpt 的破局之道：把技能重塑为可训练参数
为了打破这一僵局，微软亚洲研究院的研究团队推出了 SkillOpt，这是首个系统化的可控文本空间优化框架。其最核心的想法，是把智能体的技能从“写一段更好的提示词”重新定义为一个可搜索、可验证、可选择的优化问题。在这个框架中，技能文档被视为冻结目标模型外部的“可训练参数”。发布仅72小时，SkillOpt的GitHub页面就已有1300+ stars 和 100+forks。
SkillOpt 总览动画，完整展示了“轨迹采集 → 反思 → 有界编辑→ 验证门控 → 导出最终技能文件”的优化闭环。
相关论文已整理于文末，欢迎点击相关链接，了解更多技术详情。
SkillOpt 不依赖一次性生成或自由改写，而是将技能编辑组织成文本空间里的“前向 → 反向 → 更新”三步循环：
- 前向阶段：冻结的目标模型携带当前技能，在训练任务上进行一次轨迹采集。采集批的大小控制每次更新看到的证据规模。
- 反向阶段：独立的优化器模型读取成批的成功与失败轨迹，并将其划分为反思小批，分别提炼出应保留的成功模式和应纠正的失败模式。小批的大小控制反思粒度，避免单一样本噪声主导技能更新。
- 更新阶段：根据真实的任务轨迹，优化器模型会提出有边界的“增 / 删 / 改”三类小幅修改。候选编辑会先被合并、去重、排序，再被文本学习率截断为一个候选技能。
上述每一步编辑都会受到文本学习率预算的严格约束。更重要的是，候选技能必须在留出的验证集上表现出严格优于当前版本才会被采纳，否则将被拒收并写入“拒绝编辑缓存”作为负反馈。这种“有界编辑 + 验证门控 + 最优版本选择”的机制，让技能优化过程像深度学习训练一样可控、可记录、可审计，确保了系统在反复迭代中稳定收敛到更好的技能，而不是随意漂移。
为了高效利用这一表示，研究员们设计了 ZeroRepo 三阶段流水线，将复杂的生成过程拆解为可控的图操作：
更关键的是，这套方法不只让 GPT-5.5 这样的前沿模型变得更强，也让小型开源模型在多个任务上逼近大一档闭源模型的无技能水平。而最终在部署时，系统只需加载一份约 300到2,000 个 token紧凑的技能文件（best_skill.md），无需任何额外的优化器调用，也不需要更新模型权重。
为了让技能更新“可学习但不失控”，研究员们引入了一整套来自深度学习的训练控制机制。其中的验证门控与可控调度是防范技能随文本重写而退化的核心。SkillOpt 不会把“听起来合理”的诊断直接写进部署技能，而是在留出的选择子集上重新评估候选技能，只有在指标严格提升时才会接受。
同时，学习率调度也决定了早期探索与后期收敛的节奏，被拒绝的编辑会进入“拒绝编辑缓存”，成为后续优化器调用的负样本。此外，类似于动量项的跨轮慢更新与元技能设计负责捕捉长程稳定的改进方向，这些元技能仅在训练期生效，并不会随部署技能一起发送给目标模型。
52个评测单元全胜，小模型迎来华丽蜕变
可控优化逻辑为 SkillOpt 带来了极其强大的实证表现。研究员们将每一个“模型，基准，执行框架”视为一个评测单元，在横跨 7 个目标模型（从前沿模型 GPT-5.5到小规模的开源模型 Qwen3.5-4B）、6 个评测基准（包括SearchQA/ SpreadsheetBench/ OfficeQA/ DocVQA/ LiveMathematicianBench/ ALFWorld）以及三种执行模式（直接对话、Codex与Claude Code 智能体框架）的严苛检验下，SkillOpt 在共计 52 个“模型 x 基准 x 执行框架”的评测单元中大获全胜，在全部单元上都拿到了最好或并列最好的成绩。
评测的六类基准全面覆盖了当前智能体落地的高频核心场景，包括事实问答、电子表格、办公文档、多模态文档、数学推理和具身决策。在最具代表性的 GPT-5.5 直接对话模式下，SkillOpt 展现出了惊人的性能拉升爆发力：它直接将六项基准的平均分从 58.8 分大幅拉升至 82.3 分，实现了高达 +23.5 分的绝对提升。这一成绩甚至比“在每个单元挑最强竞争基线”组合而成的理论上限还要高出 +5.4 分，打破了过往提示词优化方法的性能天花板。
实验数据揭示了 SkillOpt 极具价值的三个特性：
- 强大的跨模型规模性：横跨前沿大模型到轻量级开源模型，每个模型都能从同一套方法中获得稳定的正收益。
- 高程序性任务表现亮眼：在 SpreadsheetBench（41.8 → 80.7）、 OfficeQA（33.1 → 72.1）和LiveMathematicianBench（37.6 → 66.9）等任务上提升尤为明显，证明框架学到的是操作纪律而非简单的提示词堆砌。
- 广泛的框架兼容性：该方法不绑定特定智能体。在 Codex 中，GPT-5.5 平均提升 +24.8（高出最强基线 EvoSkill +14.0）；在 Claude Code 中平均提升 +19.1（高出 EvoSkill +3.2）。
小模型 + 一份技能文件 ≈ 大一档模型的无技能水平
SkillOpt 的另一大突破在于，它能显著缩小开源或小模型与前沿闭源大模型之间的性能鸿沟，且既不改变模型权重，也不需要额外算力。如表 2 所示，加载技能文件后的 GPT-5.4-mini 和 GPT-5.4-nano 分别反超了上一档模型的无技能基线。而参数量不到主流大模型 5% 的 Qwen3.5-4B 在提升后也超越了 GPT-5.2。这意味着，过去需要通过更换更大模型、耗费更多算力才能获得的稳定收益，现在仅需通过 SkillOpt 优化出一份可复用的技能文件即可近似实现。
组件消融：控制机制的协同效应
为了验证可控训练设计的必要性，研究员们进行了组件消融实验。结果表明，SkillOpt 的高额收益并非来自脆弱的提示词搜索，而是源于各项机制的协同：学习率限制每步编辑幅度；学习率调度决定探索到收敛的节奏；采集批大小控制每次更新使用的轨迹证据量；小批反思控制反思粒度；验证门控负责从候选中选出当前最优；拒绝编辑缓存把失败编辑变成负反馈；跨轮慢更新捕捉长期规律。这些设计共同保证了技能更新“可学习但不失控”。
对应的消融实验也支持这一点：去掉拒绝编辑缓存，多项基准全面下滑；而一旦拿掉慢更新与元技能， SpreadsheetBench的分数直接从 77.5 跌至55.0。这再次证实，SkillOpt 的核心在于用优化器的控制结构持续筛选高价值更新，而非盲目将提示词拉长。
跨场景迁移：一次训练，多处复用
SkillOpt 优化出的技能文件是真正可复用的“过程性知识”。实验显示，这些技能在不同模型规模之间、不同工具链之间以及相近的评测集之间跨界迁移时，均能保持正收益。
其中最典型的代表是 Codex 与 Claude Code 的双向迁移：在 Codex 中训练得到的电子表格技能，直接搬到 Claude Code 后，将无技能基线从 22.1 瞬间拉升至 81.8（+59.7），甚至略高于在 Claude Code 内部直接训练的效果（80.4）。这有力地证明了 SkillOpt 学到的是诸如“校验公式、写静态值、复查边界”等通用工作流逻辑，而非针对特定框架的命令配方。
技能文件的可读性与精简优势
值得强调的是，SkillOpt 输出的最终技能文件 best_skill.md 绝非无法解释的黑盒参数，也不是无节制膨胀的日志，而是一份人类可读、可审阅、可修改的短文本。在六个案例中，最终技能长度的中位数约 920个token。由于验证门控的高淘汰率，使得在整个训练过程中真正被接受并写入文件的编辑次数仅有 1 到 4 次。
从论文披露的最终技能代表性规则中可以清楚看到，SkillOpt 沉淀出的是高度通用的程序性操作策略，而不是对特定训练样本的生搬硬套：
智能体时代的新型适配层
SkillOpt 指出了一条更轻量化的智能体领域适配路线——不改模型权重、不为每个任务硬编码复杂逻辑、不依赖人工反复调整提示词，而是去训练一个小型、可版本化、可审计的自然语言技能层。
该框架适合所有具有自动评测、执行反馈或可靠验证器的场景，如办公自动化、表格处理、文档问答、代码/工具执行、数学推理，以及有明确成功判据的企业流程。此外，其规范的优化接口能直接套到 Codex 与 Claude Code 等智能体框架上，开发团队只需替换执行环境，不必重写优化算法。
从更长远的视角来看，SkillOpt 把学习率、调度、验证集、拒绝样本和慢更新等来自深度学习的训练概念带入了智能体的技能语境中。它启示行业：在大模型智能体系统中，值得被“训练”的不仅是模型权重，也包括模型外部的过程性知识。只要这种过程被控制、验证和记录，自然语言技能就可以成为连接前沿模型能力与真实业务场景之间，一层稳定、可迁移、可回滚的适配器。它所带来的不只是前沿模型在六项基准上的大幅提升，更赋予了算力受限或需要私有化部署的小型/开源模型比肩高阶大模型的可能，为智能体工程的落地提供了全新的解题思路。
欢迎点击下方链接，了解更多研究细节：
SkillOpt: Executive Strategy for Self-Evolving Agent Skills
论文链接：https://arxiv.org/abs/2605.23904 (opens in new tab)
项目主页：https://aka.ms/skillopt (opens in new tab)
代码仓库：https://github.com/microsoft/SkillOpt (opens in new tab)
姊妹项目 SkillLens：https://microsoft.github.io/SkillLens (opens in new tab)
Artificial intelligence