SkillOpt：將 Agent 技能視為可訓練參數

核心概念

AI Agent 的行為品質，很大程度上取決於它拿到什麼「技能文件」（skill document）——一份描述執行策略的自然語言指令。問題是，這些技能文件長期以來都靠人工修改或一次性 LLM 生成，沒有系統性的改善保證，往往越改越長、越改越漂移，卻無法確認究竟有沒有進步。

Microsoft Research 在 2026 年 6 月發布的 SkillOpt，提出了一個根本性的視角轉換：把技能文件當作凍結模型外部的可訓練參數，讓技能本身經歷一套類似機器學習訓練的優化迴圈，而不需要動模型權重一分一毫。

SkillOpt 的運作結構對應神經網路訓練的三步驟：

前向傳播：凍結的目標模型使用當前版本的技能文件，執行一批訓練任務，記錄完整軌跡（trajectory）。

反向傳播：獨立的優化器模型（optimizer model）讀取這些軌跡，識別哪些步驟成功、哪些失敗，並在反思小批次中歸納模式。

更新步驟：優化器提出「有界編輯」——只能做加句、刪句、替換句等文字層級的增刪，不能無限制重寫。編輯量由「文字學習率」（textual learning rate）控制，每步有預算上限。

為了防止技能在優化過程中失控漂移，SkillOpt 設有四項關鍵保障：

這套機制讓技能優化保持「可控且可稽核」——最終部署的技能文件既不是不透明的大型提示塊，也不是無止盡膨脹的修改日誌。

效果全面壓過基準：在 6 個基準、7 個目標模型、3 種執行框架組合成的 52 個評估單元中，SkillOpt 全部達到最佳或並列最佳。GPT-5.5 在直接對話模式下從 58.8 分升至 82.3 分（+23.5 點），在 Codex Agent 框架內 +24.8 點，在 Claude Code 框架內 +19.1 點。
技能極度精簡：最終採納的編輯數量只有 1–4 個，中位數技能長度約 920 token。OfficeQA 提升了 +39 分，但整份技能只被接受了「一個編輯」。這說明高品質技能不需要臃腫。
小模型+優化技能 ≈ 大模型無技能：Qwen3.5-4B（40 億參數開源模型）搭配優化技能後，超越了 GPT-5.2 無技能基線；GPT-5.4-mini 優化後也超越 GPT-5.4 基線。技能優化可以在不換模型的情況下近似模型升級的收益。
跨框架可遷移：在 Codex 框架訓練的試算表技能，直接移植至 Claude Code 後基線從 22.1 升至 81.8（+59.7 點），略高於直接在 Claude Code 框架訓練的 80.4。顯示 SkillOpt 學到的是通用工作流邏輯，而非特定框架的捷徑。
比較優勢明確：SkillOpt 優於人工撰寫技能、一次性 LLM 生成、Trace2Skill、TextGrad、GEPA 及 EvoSkill。

SkillOpt 最直接的落地方式是作為「代理時代的輕量級適配層」：當你需要讓某個凍結模型（或不想負擔微調成本的商用 API）在特定任務上表現更好，可以用 SkillOpt 替模型離線訓練一份任務技能文件，然後在所有實際使用中注入這份技能，不改模型、不改架構。

適用前提是任務要有自動評估器或可靠的驗證者（驗證閘門才能正常運作）。對試算表操作、程式編寫、數學解題等有明確評分標準的任務，SkillOpt 的收益最為顯著。

延伸閱讀了 CoEvoSkills（arXiv 2604.01687）、自演化代理全景調查（arXiv 2507.21046）以及 SkillOpt arXiv 論文本體（2605.23904），三篇之間可以交叉驗證以下觀點：

技能即外部訓練對象已成主流共識：SkillOpt、CoEvoSkills 與調查論文均將「在凍結模型外部優化技能文件」視為 2026 年 Agent 研究的核心方向，相對於昂貴的微調或硬編碼邏輯，這條路成本更低、可稽核性更高。

驗證閘門是防止退化的必要機制：SkillOpt 和 CoEvoSkills 都採用「候選技能必須通過留存驗證才能採納」的設計，缺少此機制的方法（如無邊界重寫）往往導致長期性能漂移。消融實驗中移除驗證閘門後，SpreadsheetBench 從 77.5 跌至 55.0，印證了這一判斷。

跨模型遷移能力是優化品質的衡量標準：兩篇論文都在跨模型遷移上取得正向結果，暗示高品質技能文件捕捉的是領域工作流邏輯（domain workflow logic），而非針對特定模型的 prompt 技巧——這對需要在多個 LLM 後端切換的生產環境尤其重要。

以下頁面引用了本頁：