SkillOpt：自演化智能体技能的执行策略

现在的智能体技能主要是手工设计、单次生成的，或是通过松散控制的自我修正演化而来的，这些方式都不像深度学习优化器那样可以对技能进行优化，并且在反馈下都无法可靠地在其起点之上进行改进。我们认为，应该像对待让权重空间优化可复现的纪律一样，将技能作为冻结智能体的外部状态进行训练。据我们所知，SkillOpt 是首个系统性的可控文本空间智能体技能优化器：一个独立的优化器模型将带评分的轨迹展开转化为对单个技能文档进行受限的“添加/删除/替换”编辑，并且只有当编辑能严格提高留出验证集得分时才会被接受。文本学习率预算、拒绝编辑缓冲区以及逐周期的慢速/元更新使得技能训练非常稳定，同时在部署推理时无需增加任何额外的模型调用。在 6 个基准测试、7 个目标模型和 3 个执行套件（直接对话、Codex、Claude Code）中，SkillOpt 在所有 52 个评估的（模型，基准测试，套件）组合中均名列第一或并列第一，并击败了人类、单次 LLM、Trace2Skill、TextGrad、GEPA 和 EvoSkill 技能在每个组合中的所有竞争对手。在 GPT-5.5 上，它将直接对话中的无技能平均准确率提高了 23.5 个百分点，在 Codex 智能体循环中提高了 24.8 个百分点，在 Claude Code 中提高了 19.1 个百分点。迁移实验进一步表明，优化后的技能产物在跨越模型尺度、在 Codex 和 Claude Code 执行环境之间迁移，以及在不进行进一步优化的情况下迁移到相近的数学基准测试时，依然能保持其价值。