微软开源Skill训练框架，让Agent白天干活，晚上自动复盘，Skill的自进化终于可监控了

Skill现在大家玩的都很溜了，然后也意识到一个问题，不管是手写的skill还是AI总结的skill，有时候都有可能会用的不顺手，然后就得手动去给skill做一些调整。
人去给skill做维护实在是太累了。
上个月，微软开源了SkillOpt v0.1.0，解决了一个很重要的问题。
既然skill会影响Agent的表现，那skill本身能不能像模型参数一样被训练。
刚刚，微软又开源了SkillOpt v0.2.0。
这次加入了SkillOpt-Sleep，Agent可以自我复盘了。
Agent白天执行任务，系统晚上回顾历史会话、挖掘失败模式、离线重放任务，并把有价值的经验沉淀成长期skill。
项目简介

SkillOpt是微软开源的文本空间优化框架，用来自动训练和优化skill。
把Agent依赖的skill文档当成可优化对象，通过任务执行、结果评估和经验反思，不断生成更好的skill版本。
让Agent通过任务执行积累经验，再把这些经验写回一份可复用、可验证、可部署的skill文档中。

说人话，就是可以把用skill的过程中出现的问题给优化掉了。
DEMO

你可以让他根据你的任务来做一份skill，也可以自己输入一个skill，然后再让它去优化。
这个里面的训练过程，还有skill前后优化过的感觉，得靠自己用的时候去感悟了。
是真的有提升，而且提升的效果还是挺明显的。

这个框架的介绍可以看下视频。

功能特点

1、透明化
Skill是可读、可审查、可版本管理的。
可以直接打开best_skill.md，看到系统到底学到了什么规则。
团队也可以用Git管理它，审查每一次修改，回滚不合适的版本，更符合工程化需求。
2、通过验证集控制质量
SkillOpt引入validation gate，避免skill被错误经验污染。
如果某次修改只是看起来合理，但实际任务表现没有提升，那么它不会被接受。
这比简单地让Agent自我总结经验更可靠。
3、从短期经验沉淀为长期Skill
v0.2.0中的SkillOpt-Sleep是一个很大的亮点。
它可以回顾Codex、Claude Code等coding agent的历史会话，从中发现重复任务、常见失败和可复用流程。
然后系统会离线replay，生成skill修改建议，并将候选改动暂存起来，等待用户审查和采用。
这个设计接近一种睡眠学习机制，白天执行任务，晚上复盘经验，第二天带着更好的skill继续工作。
4、更适合重复、可评估的任务场景
SkillOpt特别适合那些反复出现、结果可验证的任务，这跟skill的适用场景是非常相同的。
如果一个任务每次都完全不同，或者没有明确评价标准，SkillOpt的优化效果就会受限。
项目链接

https://github.com/microsoft/SkillOpt