微软的 SkillOpt 简直令人叹为观止——他们将智能体的技能文档当作神经网络来训练，包括训练轮数、批次、学习率和验证集，但却不会对模型权重做任何改动。

喜喜兔

微软的 SkillOpt 简直令人叹为观止——他们将智能体的技能文档当作神经网络来训练，包括训练轮数、批次、学习率和验证集，但却不会对模型权重做任何改动。

真正的优势在哪里？它从三个方面着手：

1️⃣ 整个训练过程都只针对技能文档进行优化，任何调整都必须在验证集上带来实际的分数提升才能生效——容不得半点猜测。

2️⃣ 实际部署后，模型调用次数？零增长。它仍然运行着你原来的模型，一切都像什么都没发生过一样流畅。

3️⃣ 在 52 个测试网格中，它要么独占鳌头，要么并列第一——横扫所有榜单。在 GPT-5.5 上，它直接提升了 23.5 分；Codex 提升了 24.8 分；Claude Code 提升了 19.1 分。

经过一番调整后，最终得到的只是一个包含几百到两千个标记的轻量级文件——轻如鸿毛，可以轻松移植到各种模型和工具中。如果这种模式能够保持稳定，那么手动编写提示符的方式或许将彻底改变。