微软开源的 SkillOpt 换了个思路，把 skill 文档视作可优化的状态，用训神经网络那套方式反复打磨：
1️⃣ 每次修改切成 add/delete/replace，既可控也能审计
2️⃣ 改完一轮就拿验证集评分，分数没涨就不保留
3️⃣ 最终输出精简的 best_skill.md，部署时不添任何开销
写 skill 不再只靠经验，而是变成可衡量、可回退的工程活。搞 Agent 的值得花时间研究下👇
🔗 https://github.com/microsoft/SkillOpt
写 Agent 的 skill 文档，有多少人其实是在靠直觉糊一版，然后自己看着还挺满意？可真要问它到底有没有变强，谁也拿不出证据，说不清是真进步还是只是表面像样😅
写 Agent 的 skill 文档，有多少人其实是在靠直觉糊一版，然后自己看着还挺满意？可真要问它到底有没有变强，谁也拿不出证据，说不清是真进步还是只是表面像样😅
微软开源的 SkillOpt 换了个思路，把 skill 文档视作可优化的状态，用训神经网络那套方式反复打磨：
1️⃣ 每次修改切成 add/delete/replace，既可控也能审计
2️⃣ 改完一轮就拿验证集评分，分数没涨就不保留
3️⃣ 最终输出精简的 best_skill.md，部署时不添任何开销
写 skill 不再只靠经验，而是变成可衡量、可回退的工程活。搞 Agent 的值得花时间研究下👇
🔗 https://github.com/microsoft/SkillOpt
微软开源的 SkillOpt 换了个思路，把 skill 文档视作可优化的状态，用训神经网络那套方式反复打磨：
1️⃣ 每次修改切成 add/delete/replace，既可控也能审计
2️⃣ 改完一轮就拿验证集评分，分数没涨就不保留
3️⃣ 最终输出精简的 best_skill.md，部署时不添任何开销
写 skill 不再只靠经验，而是变成可衡量、可回退的工程活。搞 Agent 的值得花时间研究下👇
🔗 https://github.com/microsoft/SkillOpt