微软 SkillOpt：给 AI 助手装个「自我进化」引擎

你手写过一个 SKILL.md 吗。

写了，发现它漏东西。让 AI 自己改一版，改好了；过两天觉得还差点意思，再改一次，偏了；再改，彻底跑歪。没有系统性的验证机制，改好改坏全凭运气。

这个场景，开发 AI Agent 的人应该都不陌生。不管你是写 CLAUDE.md 还是 SKILL.md，都是在用一段自然语言文本，把一个冻结的 LLM 往你想要的方向拧。但纯手工拧，就跟调参不设 validation set 一样——今天好了，明天崩了，你都不知道是哪次改动搞的。

微软在 2026 年 5 月开源的项目 SkillOpt，就是为了解决这个问题。

一句话定义

把 SKILL.md 当成神经网络权重来训练。

冻结目标 LLM 不动，用一条完整的训练流水线自动迭代你的技能文档，每一步都有验证门控把关。像极了模型训练里设 validation set 做 early stopping——只接受能通过验证的改进。

论文地址：arxiv.org/abs/2605.23904^[1]
GitHub 仓库（国内镜像）：atomgit.com/gh_mirrors/sk/SkillOpt^[2]

核心洞察：文本空间也有优化器

SkillOpt 要做的事，就是给「写 skill 文档」这件事搭一套完整的训练框架：

这个类比不是修辞——每一个 DL 训练里你关心的机制，SkillOpt 在文本空间都有实现。

六步训练循环

1. Rollout — 让目标 Agent 干活

用当前 skill 文档作为 prompt，目标模型（冻结的）执行一批任务。每个任务生成一条轨迹和一个分数。

支持三种执行模式：
- Direct chat：直接模型对话调用
- Codex CLI：@openai/codex 的 agentic 循环
- Claude Code CLI：Anthropic 的 coding agent

2. Reflect — Optimizer 分析失败

更强（通常也更贵）的 optimizer 模型分析失败的轨迹，输出结构化的编辑补丁。不是"改好它"这种模糊指令，而是精确的：

{
"op": "add",
"target": "当用户问持仓诊断时",
"content": "先检查 baseline 数据有没有更新，再生成诊断"
}

支持两种分析模式：
- Shallow：每条轨迹独立分析
- Deep：跨轨迹交叉关联，找出系统性缺陷

3. Aggregate — 合并重复补丁

语义相似的编辑补丁会被合并。做个好的训练循环，冗余的 batch 不能浪费梯度——同理，十条"记住先查 baseline"的补丁合并成一条就够了。

4. Select — 梯度裁剪 + 学习率

编辑按相关度排序，只取 top-K 条应用。K 就是 learning rate。训练步数多了，LR 可以按 schedule 衰减——cosine、linear、constant 三种都支持。

这一步直接类比 DL 里的梯度裁剪：步子大了会扯到蛋，每步最多改 K 处，防止一次改太多把 skill 写崩。

5. Update — 应用补丁

三种更新模式：直接 patch（精准替换）、rewrite from suggestions（按建议改写）、full rewrite minibatch（整篇重写）。默认用 patch，改动最小、风险最低。

6. Gate — 验证门控

最关键的一步。更新后的 skill 先不对外发布，而是在一个 held-out 验证集上重新跑一遍，跟当前 skill 的分数对比。只有分数严格提升的更新才被接受。

门控支持三种指标：
- hard：严格精确匹配（默认，最保守）
- soft：F1 / 部分匹配（验证集小时更敏感）
- mixed：加权平均（两全其美）

被拒绝的编辑也不白费——进附录缓冲区，下次反思时作为负样本参考。

跨 epoch 机制

一个 epoch 跑完，系统做两件额外的事：

Slow update — 拿出上一个 epoch 的 skill，跟当前 epoch 的 skill 在同样的数据上各跑一次，纵向对比每一条出了什么问题。之前修好的 bug 这次又犯了？新 skill 解决了什么但引入的新问题？写出对比分析注入下一轮。

Meta skill — optimizer 写一段"跨 epoch 的学习笔记"，供后续反思轮次参考。模型训练里你记录 learning curve，这里 optimizer 记录"我上次这么改效果不错，这次可以复用策略"。

SkillOpt-Sleep：最实用的部分

论文研究框架之外，项目还附带了一个可以直接用的产品化工具——SkillOpt-Sleep（代号 Sleep）。

设计理念：每天干活，晚上睡一觉，第二天变强一点。

一夜的流程

harvest（收今天的日志）
  → mine（挖出重复任务模式）
  → replay（离线回放，对比 baseline vs candidate）
  → consolidate（reflect → bounded edit → GATE）
  → stage（挂起等人审批）
  → adopt（确认后应用）

支持的 harvest 来源

在国内快速试用

# 从 AtomGit 镜像克隆（比 GitHub 快 10 倍）
git clone https://atomgit.com/gh_mirrors/sk/SkillOpt.git
cd SkillOpt

# 装依赖（零外部依赖，纯 stdlib）
pip install -e .

# 跑一次 dry run 看看效果
python -m skillopt_sleep run --backend mock --dry-run

--backend mock 模式不需要任何 API key，数据也是合成数据——就是让你看看流程长什么样的。

配成每晚 3 点自动跑（OpenClaw 插件方案参考，全流程已有人验证）：

# 改 config 用真实后端
cat > ~/.skillopt-sleep/config.json <<EOF
{
"backend": "openclaw-deepseek",
"model": "deepseek-v4-pro",
"transcript_source": "claude",
"lookback_hours": 24,
"auto_adopt": false,
"gate_mode": "on"
}
EOF

# 设 cron（每晚 3 点）
echo "0 3 * * * cd /path/to/SkillOpt && python -m skillopt_sleep run >> ~/.skillopt-sleep/nightly.log 2>&1" | crontab -

实际成本：OpenClaw 插件的实测数据是 ~$0.02/晚，DeepSeek V4 Pro 跑 12 个任务。一年不到 $8。

验证结果

SkillOpt 论文在 6 个 benchmark、7 个 target 模型、3 种执行模式下完整验证：

52 个格子没有翻车的。

诚实清单

任何"自动化"都是有范围的。SkillOpt 再有用也不是银弹。

有效的前提：你的任务有可检查的正确性信号。代码跑不跑得过编译、SQL 查出来是不是预期结果、搜索匹配不匹配 ground truth——出题和判卷的基本要求是"有一份标准答案"，然后才能 gate。没有 scoring 信号的场景（纯创意、开放聊天），SkillOpt 没法帮你。

饱和场景效果平坦：如果目标模型在自己熟悉的 benchmark 上已经接近天花板（GPT-5.5 跑它自己擅长的东西），SkillOpt 的 lift 降到 ±1-2 分，基本上是噪声波动。验证门控保证了"不后退"，但不保证"一定能帮你突破天花板"。

需要更强的 optimizer 模型：optimizer（负责分析和改写 skill 的模型）需要比目标模型强。论文里默认 optimizer > target。如果你跳不出这个约束，可以用 DeepSeek V4 Pro 做 optimizer、V4 Flash 做 target——成本 0.02 刀/晚，经济上完全可行。

不是一劳永逸：技能优化收敛后是应该冻结用的。你不需要每晚都跑——跑 1-2 轮收敛了就可以停。持续跑是为了应对任务分布漂移（你用的工具变了、需求变了），不是让 skill 永远在"优化中"。

让 AI 助手帮你装好

如果你用的是 OpenClaw、Claude Code、Codex 这类 coding agent，直接把下面这段话丢给它，它会帮你把 SkillOpt-Sleep 装好配好：

帮我做几件事：

1. 从镜像克隆 SkillOpt 项目：
   git clone https://atomgit.com/gh_mirrors/sk/SkillOpt.git ~/SkillOpt

2. 装依赖（纯 Python，没外部依赖）
   cd ~/SkillOpt && pip install -e .

3. 创建配置文件 ~/.skillopt-sleep/config.json，内容：
   {
"backend": "mock",
"lookback_hours": 24,
"gate_mode": "on",
"auto_adopt": false
   }

4. 跑一次 dry run 验证：
   cd ~/SkillOpt && python -m skillopt_sleep run --backend mock --dry-run

5. 把跑完的结果告诉我

跑通 dry run 后，再改 config 切真实后端就行。

怎么开始

项目已经上了 PyPI：pip install skillopt。

或者直接从源码跑（国内推荐镜像）：

git clone https://atomgit.com/gh_mirrors/sk/SkillOpt.git
cd SkillOpt && pip install -e ".[all]"
python -m skillopt_sleep run --backend mock --dry-run

看了干跑，确认整个链路走通后，配 config 切真实后端，设 cron，睡一觉，第二天看看它给你提交了什么。

下载地址：atomgit.com/gh_mirrors/sk/SkillOpt^[3]

参考来源：SkillOpt Executive Strategy for Self-Evolving Agent Skills (arXiv 2605.23904, Microsoft, May 2026)、SkillOpt GitHub (microsoft/SkillOpt)、SkillOpt-Sleep OpenClaw Plugin 文档

参考链接

[1] arxiv.org/abs/2605.23904: https://arxiv.org/abs/2605.23904

[2] atomgit.com/gh_mirrors/sk/SkillOpt: https://atomgit.com/gh_mirrors/sk/SkillOpt

[3] atomgit.com/gh_mirrors/sk/SkillOpt: https://atomgit.com/gh_mirrors/sk/SkillOpt