微软发布SkillOpt：不修改模型权重即可训练AI智能体技能

像训练神经网络一样训练 agent skills——用 epoch、(mini-)batchsize、学习率和验证门控——但不触碰模型权重。

📖 关于安装、数据准备、训练/评测命令、配置和框架内部机制，请先阅读带版本的 SkillOpt 文档。简明的渲染版概览见 Documentation & Reproduction Guide，更详细的工程分析见 Technical Blog。我们还维护了一份 Changelog，记录已发布和未发布的变更。

[2026-11] 🎤 SkillOpt 被 NeurIPS 2026 接收为 Spotlight！悉尼见！

[2026-11] 🏆 SkillOpt 在 Microsoft Global Hackathon 2026 的 Executive Challenge 中获得第一名（badge，由 The Microsoft Garage 颁发）。

[2026-07-24] 📰 SkillOpt 上了新闻。请阅读 Microsoft Research 的官方专题报道，以及 VentureBeat、机器之心（Synced）、Flowtivity 和 The Decoder 的近期报道。

[2026-07-02] 🚀 SkillOpt v0.2.0 已在 PyPI 发布！头条特性：SkillOpt-Sleep，一个夜间离线自进化引擎（在留出验证门控之后执行 harvest → mine → replay → consolidate），现已作为 skillopt-sleep CLI 发布。它还包含实验性的多目标、replay 和 dream-rollout 控制；主 CLI 保持保守默认值，不会把实验 harness 的每个控制项都暴露为 flag。该版本源码新增了 Claude Code、Codex、Copilot 和 Devin 的集成 shell，以及一个 OpenClaw 参考适配；这些 plugin/MCP 文件位于仓库中，而不在 PyPI wheel 里。它还新增了 SearchQA split 物化、Windows 健壮性和加固的 JSON 解析。完整发布详情和贡献者致谢见 release notes。

[2026-06-15] 😴 SkillOpt-Sleep（预览版）——面向本地 coding agents（Claude Code / Codex / Copilot）的夜间离线自进化伴侣：回顾过往会话，重放反复出现的任务，并在留出门控之后巩固已验证的技能。它是什么、如何使用以及结果见 docs/sleep/README.md。

[2026-06-03] 🎉 gbrain、gbrain-evals 和 darwin-skill 都已集成 SkillOpt。

[2026-06-02] 🎉 SkillOpt v0.1.0 现已在 PyPI 上可用！使用 pip install skillopt 安装。这个初始版本包含完整的训练循环（rollout → reflect → aggregate → select → update → evaluate）、多后端支持（OpenAI / Azure / Claude / Qwen / MiniMax）、六个内置 benchmark 以及 WebUI dashboard。

Overview

现代 agent skills 通常是手工打造的、由强 LLM 一次性生成的，或者通过松散控制的自修订演化而来——这些方式都不像针对技能本身的深度学习优化器，也无法在反馈下可靠地超越其起点。

SkillOpt 把技能文档视为冻结 agent 的可训练状态，并以让权重空间优化可复现的纪律来训练它。一个独立的优化器模型将有评分的 rollout 转化为对单个技能文档的有界 add / delete / replace 编辑；在默认的论文风格路径中，只有当候选编辑严格提升留出验证分数时才会被接受。文本学习率预算、被拒编辑缓冲区和按 epoch 的慢速/元更新使技能训练保持稳定，同时在部署时增加零推理期模型调用。

部署产物是一个紧凑的 best_skill.md（通常 300–2,000 个 token），它针对未改动的目标模型运行。在六个 benchmark、七个目标模型和三种执行 harness（直接对话、code CLI、Claude Code CLI）上，SkillOpt 在所有 52 个被评估的（model, benchmark, harness）单元上均为最优或并列最优；在 GPT-5.5 上，它把平均无技能准确率在直接对话中提升 +23.5 个点，在 Codex agentic 循环内提升 +24.8 个点，在 Claude Code 内提升 +19.1 个点。优化后的技能产物可以跨模型规模迁移、在 Codex 和 Claude Code harness 之间迁移，并迁移到邻近 benchmark 而无需进一步优化。

完整方法、消融实验和逐单元结果见论文；循环的可视化讲解见项目主页；更深入的 API / 后端 / benchmark 文档见 docs/。

64c8f76086bed7bd7a5ce664a7a14f40_raw.mp4 ▶ 在 YouTube 上观看完整 demo

Adding a new backend

一个 backend = 一个 chat / exec 目标（例如 openai_chat、claude_chat、qwen_chat、minimax_chat、copilot_chat、openai_compatible、codex_exec、claude_code_exec、cursor_exec、copilot_exec）。如果某个提供方实现了 OpenAI Chat Completions 协议，在添加代码之前先试试内置的 openai_compatible backend。完整契约见 docs/guide/new-backend.md。Chat backend 添加一个 skillopt/model/<name>_backend.py 模块；仅 target 的 exec backend 使用 codex_harness.py 中的共享 harness。两者都通过 common.py、backend_config.py 和 skillopt/model/init.py 注册。

一个 benchmark = 一个 skillopt/envs/<name>/ 包，包含 adapter、数据加载器、带评分的 rollout 辅助函数、YAML 配置，以及可选的初始种子技能。完整契约见 docs/guide/new-benchmark.md；最简单的参考是 skillopt/envs/searchqa/。

启动监控 dashboard（可选）： pip install -e ".[webui]" python -m skillopt_webui.app

Flag Default Description --port 7860 Server port --host 127.0.0.1 Bind address --share off Create a public Gradio share link

默认 host 仅限 loopback。暴露 dashboard（--host 0.0.0.0 或 --share）需要 --auth-user/--auth-pass（或 SKILLOPT_WEBUI_USER/SKILLOPT_WEBUI_PASS）。