SkillOpt – 微软开源的技能优化器，把 skill.md 当成可训练参数

SkillOpt 是微软研究院于 2026 年 5 月推出的文本空间技能优化器，主要用于把 Agent 的技能文档训练成稳定可复现的版本，支持轨迹驱动的有界改写与验证集门控，适用于技能文档反复返工、跨模型迁移技能与多执行环境统一配置等场景。

SkillOpt 的核心能力

它要解决的是「技能文档写完就没人敢动」：改一个字有没有用，过去只能靠感觉。站内的 ffmpeg-skill 是典型技能包，正是它的处理对象。

把技能文档当可训练状态

整份 skill.md 是训练对象，目标模型全程冻结，调的不是权重而是那段自然语言；轮次、批大小、学习率这套纪律随之搬到了文本上。

轨迹驱动的有界改写

先把带评分的执行轨迹收集起来，由独立的优化器模型转成「增、删、改」三类编辑；每次编辑有幅度上限，对应文本学习率，避免一次改写推翻整份文档。

验证集门控与拒改缓冲

默认研究配置下，候选编辑只有在留出验证集上严格变好才会被接受，被拒的进缓冲区，避免同一处来回改；门控关掉则强制接受。这是把「调提示词」变成可复现流程的关键一步。

轮次间的慢更新

除了单步编辑，每轮结束还有慢更新与元更新，把跨轮次稳定的经验沉淀下来。官方另配 cosine、linear、constant 三种学习率调度，控制跨轮改动幅度，降低反复改写的退化。

部署零推理开销

训完交出的是一份压缩技能文件，跑在原模型上，推理时不多一次模型调用，也不需要额外的检索或路由层；成本集中在离线训练，线上链路不变。想横向对比推理侧框架的部署开销，站内的 DeepInfer 可作对照。

跨模型与跨环境迁移

官方实验显示，优化后的技能在跨模型规模、Codex 与 Claude Code 两套执行环境、相近基准上都能不重新优化继续生效；但效果取决于目标模型与任务。对同时维护多个 Agent 的团队，省的是重复劳动。

SkillOpt 与 DSPy 的对比

SkillOpt 只改文本，目标模型全程冻结；DSPy 优化程序里的提示、示例与执行策略，部分优化器还能微调权重。下表按可核实的结构项并列。

差别在三处。优化对象：SkillOpt 只管一份技能文档，改动面小，适合已有 Agent 提稳定性；DSPy 改整段程序的提示与示例，表达力更强，接入成本更高。验证机制：两边都靠数据挑结果，SkillOpt 多一道「不如原来就不改」的硬门。部署产物：一份 markdown 与一段编译程序，前者便于人审，后者便于流水线复用。

另外：技能文档写给人也看，SkillOpt 产物天然可读；提示程序可读性次要，指标优先。两者能叠着用，先用 DSPy 定骨架，再用 SkillOpt 打磨那段技能说明。

站内的 ffmpeg-skill（给 AI 编程助手装上视频剪辑能力的开源技能）就是一份典型的技能文档。

SkillOpt 的应用场景与适用人群

它的价值出现在「技能文档要长期维护」的地方；一次性任务、写完不再动的场景，训练成本收不回来。想把技能落到网页端，站内的 Page Agent 是另一类载体；想跑在终端里，站内的 Pi 是配套执行环境：

• 技能文档反复返工：改一版掉一批用例，靠它把每次改动变成可验证实验。
• 多模型共用一套技能：同一份文档要给不同模型用，用它做迁移与对齐。
• 跨执行环境统一：Codex 与 Claude Code 两边跑同一套流程，减少分叉维护。
• 团队交接：技能版本带验证记录，交接时能说清哪一版在什么条件下更稳。
• 基准化对比：换模型、换框架时用它当控制变量，判断提升来自模型还是文档。

适用人群：适合在生产环境维护 Agent 技能、手里有可评分任务集的团队，也适合做 Agent 平台、要给用户交付稳定技能包的厂商；只有一两个脚本、没有评测集的，先手工写清文档更划算。

SkillOpt 的使用方法

四条路：pip 装命令行最快，WebUI 看训练曲线直观，接自有后端与基准用于落地，取用 best_skill.md 最轻。文档见 官方文档。

命令行：装好后完成一轮完整训练回路

1. 执行 pip install skillopt 安装包，Python 需 3.10 以上。
2. 准备初始技能文档与可评分任务集，按官方格式拆训练与验证两部分。
3. 配好目标模型与优化器模型的后端与密钥，跑 python scripts/train.py --config configs/searchqa/default.yaml 完成一轮，看评分是否上升。
4. 训练后取 best_skill.md，在未参与训练的题目上复核成绩。

WebUI：看训练过程与拒改记录

1. 先克隆仓库并 cd 进目录，再执行 pip install -e ".[webui]"——-e 指向当前目录，在别处执行会失败。
2. 执行 python -m skillopt_webui.app 启动界面，导入技能文档与任务集。
3. 在面板里看评分曲线与被拒编辑，判断学习率是否设得过大。

接自有后端与自有基准

1. 服务若兼容 OpenAI Chat Completions，直接用 openai_compatible（v0.2.0 后提供）填地址与密钥，不必写适配层；否则按 README 示例实现。
2. 按基准接口实现评分函数，保证同一批任务的判分脚本固定不变。
3. 先用内置基准对齐结果，再换到自有任务上，避免把适配错误误判成效果差异。

最轻用法：只取优化好的技能文件

1. 在官方仓库找与自家场景接近的 best_skill.md。
2. 读一遍再落地，重点看它删掉了哪些多余步骤。
3. 在自己的任务集上跑对照实验，确认提升真实存在。

两点注意：训练集与验证集必须分开，既训又验，分数会失真；技能文档是给人也看的，自动改动后建议人工过一遍。另有一条路是「让 Agent 自己改自己」，站内的 Prime Agent 就是自我改进型长周期智能体的做法。

SkillOpt 的项目地址

• 项目主页：https://microsoft.github.io/SkillOpt/
• GitHub 主仓库：https://github.com/microsoft/SkillOpt

SkillOpt 的价格方案

代码按 MIT 开源，PyPI 包与 WebUI 不收费，官方目前也没列出订阅与企业版。商用与二次开发都允许，改动后不强制开源，保留版权声明即可。

实际支出在训练阶段：每一轮都要跑 rollout，目标模型与优化器模型两边都按 token 计费；验证阶段的调用量取决于任务集大小。用本地模型或开源后端能把成本压得很低，用商业 API 要先估一轮调用量再定轮次。这类「改了但没变好」的投入产出问题，站内《AI 让代码多了三成，交付却没多》有更细的观察。

SkillOpt 的常见问题