微软开源 SkillOpt：把 Agent 技能当参数训，GPT-5.5 跑分涨 23.5

SkillOpt 是微软开源的 Agent 技能训练框架，能把写 Prompt 和技能文档的过程，变成像训练神经网络一样的自动化闭环。

Microsoft 推出开源框架 SkillOpt，将 Agent 的技能文件视为模型外部的可训练参数。过去调整 Agent 技能要么靠工程师手工改，要么让大模型凭感觉自我重写，改完到底变好还是变差全凭运气。SkillOpt 的思路是不动底层大模型的一行权重，纯粹在文本层面对技能文档进行前向运行、梯度反思和门控验证，最终自动打磨出一份紧凑高效的 best_skill.md。

它是怎么训练技能的

SkillOpt 把优化拆成了类似深度学习的前向、反向与参数更新步骤。

在前向阶段，冻结权重的目标模型带着当前技能文件去执行一批任务，收集成功和失败的轨迹。在反向阶段，另一个专门的优化模型介入分析，提炼成功路径并找出失败模式。

到了更新环节，系统提出增加、删除或替换候选，并受到严格的文本学习率限制，每次只允许有限的编辑量。最关键的是验证门控机制：候选技能必须在留出测试集上拿到比上一版更高的分数才会被采纳。

那些被淘汰的修改不会被直接扔掉，而是存进被拒修改缓冲区，防止后面的优化重复踩坑。配合周期更长的大步慢更新，整套机制成功避免了 Agent 技能在反复修改中无限膨胀或偏航。

据相关报道介绍，SkillOpt 还包含一个名为 SkillOpt-Sleep 的功能，可以在离线状态下收集白天的会话记录，自动挖掘重复任务并重放演练，把通过考核的新技能合并进工作指南。

实测提升与硬件开销

在不改动模型权重的前提下，SkillOpt 在测试中拿出了非常亮眼的表现。

在涵盖 SearchQA、SpreadsheetBench 等 6 项基准测试中，SkillOpt 让 GPT-5.5 在直接对话场景下的平均分从 58.8 提升到 82.3，净增 23.5 分。其中流程复杂的表格测试 SpreadsheetBench 从 41.8 涨到 80.7，OfficeQA 从 33.1 涨到 72.1。

它还能跨模型和跨框架迁移。在 Codex 环境里训练出的表格技能，直接丢进 Claude Code 运行，基线跑分从 22.1 跃升到 81.8。优化后的轻量模型 GPT-5.4-mini 跑分达到 64.3，直接超过了未配置技能的大号 GPT-5.4。

产出的最终文件非常精简，中位数长度只有约 920 token。因为门控卡得很严，整个流程通常只接受一到四次关键修改。在实际部署时，它完全不增加额外的推理调用，也不会带来推理延迟。

目前该项目已经开源在 GitHub，仓库名为 microsoft/SkillOpt，配套的评估工具 SkillLens 也可以一并查看。

为什么重要

我们认为 SkillOpt 摸到了 Agent 工业化落地的关键痛点。现在很多团队做 Agent，要么迷信微调大模型，成本高还容易破坏通用能力；要么陷入无休止的人工调优 Prompt，改动一次就破坏其他用例。SkillOpt 提供了一条极其实用的折中路线：把经验文档化、代码化，用自动化门控把关。

如果你正在为特定业务搭建固定流程的 Agent，而且手头有一批标准测试用例，那么现在就值得拉下代码试一试。它最适合那些有清晰对错判定、流程繁琐的企业场景，能帮你用小模型甚至几百字的高质量说明，跑出接近顶尖模型的效果。