不微调模型，只训练一个Markdown文件——准确率涨了24点
alitrack约 4 分钟你肯定经历过这种事：
Agent 的 skill 写好了，跑了几次，发现有些场景不对劲。你打开 skill 文档，删掉一行，加一句"注意：当 X 出现时应该先检查 Y"，再测——好了一点，但另一个场景又坏了。反复改，反复测，最后也不知道是 skill 写好了还是你放弃了。
我们都在做这件事：把 Agent 的 skill 当作文档来维护。手写、手动调、凭感觉改。没有版本控制意义上的"更好"，只有"这次好像没翻车"。
Microsoft Research 在 5 月 22 日放出了一个叫 SkillOpt 的开源项目，arXiv 编号 2605.23904。它做的事情一句话就能说清楚：
不微调模型权重，而是"训练"一个 Markdown 文件。 用 epoch、learning rate、validation gate，和训练神经网络一模一样的纪律。
听起来像噱头？结果不骗人：6 个 benchmark、7 个模型、3 种执行环境，52 战全胜或并列第一。对手包括人类手写的 skill、GPT 一次性生成的 skill、TextGrad、GEPA、EvoSkill 等自动化方法。在 GPT-5.5 上，Codex 环境里准确率飙升 +24.8 个百分点。
● ● ●
把 ML 训练搬到文本空间
SkillOpt 的核心类比严谨到让人不舒服：
| 你熟悉的 ML | SkillOpt 的对应 |
|---|---|
| 模型权重 | skill.md —— 这个 Markdown 文件 |
| Forward pass | Rollout：Agent 拿着当前 skill 去执行任务 |
| Loss / 梯度 | Reflect：独立的 optimizer 模型分析哪里成功、哪里失败 |
| 梯度聚合 | Aggregate：把 optimizer 提出的多条编辑合并去重 |
| 梯度裁剪 | Select：按重要性排序，只保留 top-L 条编辑（L = 文本学习率） |
| 权重更新 | Update：把选中的 add/delete/replace 写入 skill 文档 |
| 验证集 | Gate：在 held-out 验证集上跑，不改善就拒绝 |
等等，optimizer 和 target 是两个不同的模型。Agent 负责执行，optimizer 负责反思和编辑。这意味着 Agent 自己不会"自我修改"产生幻觉，optimizer 也不会因为执行任务而分心。
训练产物是一个 300-2000 token 的 best_skill.md。部署到 frozen model 上时，推理成本为零。不需要额外的模型调用，不需要改变任何权重。它就是一个更好的 Markdown 文件。
● ● ●
这套"纪律"每一条都有用
论文做了 ablation 实验：关掉 validation gate，skill 过拟合训练集；关掉 rejected-edit buffer，optimizer 反复提同样的烂编辑；关掉 textual learning rate，一次重写太多把好规则也覆盖了。
手写 skill 为什么走不远？你想一想——你每次改 skill 的时候，没有 gate 告诉你"这个版本不如上一个"，没有 buffer 阻止你重复失败的尝试，也没有 learning rate 限制你一次改多少。你靠的是记忆和感觉。
SkillOpt 把这些全变成机制。
● ● ●
但别急着把它装到你的 Agent 上
文章读到这里，你可能会想：这玩意儿能装到我的 Claude Code / Codex 上吗？
能。而且是官方支持的——2026 年 6 月 15 日刚发布了 SkillOpt-Sleep 预览版，支持 Claude Code、Codex、Copilot 三个平台。
但有一个核心限制，动手之前要想清楚：SkillOpt 需要一个能自动评分的 verifier。每次 rollout 后，你得有个办法说"这次任务成功了还是失败了"。benchmark 场景下这很容易——SearchQA 有标准答案，DocVQA 有 golden span。但你的日常任务呢？
"帮我写一个数据分析报告"——怎么自动评分？"帮我设计一个 API"——什么是正确答案？
这就回到了为什么 SkillOpt 的 6 个 benchmark 全是有标准答案的任务，也解释了 SkillOpt-Sleep 的设计为什么是"夜间回放 → stage 建议 → 你审核采纳"而不是全自动。审核环节取代了自动化 gate。说白了，你还是 verifier。
● ● ●
真正重要的不是 SkillOpt 本身
我们盯一个开源项目的时候，很容易被它的"技术参数"吸引住——52 战全胜、+24.8 点、8,500 stars。但这些数字是 2026 年 6 月的快照，半年后可能就不稀奇了。
SkillOpt 真正重要的贡献是它 改变了对"Agent 改善"这件事的认知框架：
我们一直默认 Agent 改善只有三条路：① 换更强的模型、② 改 prompt、③ 微调模型。SkillOpt 开辟了第四条路：把 skill 文档本身当作可训练状态。这背后是一个更深的命题：
Agent 的"能力"不只在模型权重里，也在它遵循的"程序性知识"里。而程序性知识——什么时候调哪个工具、怎么验证输出、如何组织推理步骤——经过系统性优化后，是可以量化和复现的。
这不是又一个 prompt engineering trick。这是在说：手写 skill 和 LLM 一次性生成的 skill 都有上限。反复"训练"skill 文档本身，上限更高。
这对所有 agent 框架——LangChain、AutoGPT、CrewAI、Claude Code 的 skill 系统——都构成范式级挑战。你今天手写 skill 的流程，可能就像 2016 年还在手写特征工程一样，很快就不再是最优解了。
SkillOpt GitHub: https://github.com/microsoft/SkillOpt
论文: https://arxiv.org/abs/2605.23904
SkillOpt-Sleep 预览: https://github.com/microsoft/SkillOpt/blob/main/docs/sleep/README.md