# 微软开源 SkillOpt：像训练神经网络一样，自动优化给 AI 智能体看的技能说明书

> 原标题：一周3.3k star，微软开启Skills自我进化！像训练神经网络一样训练技能

- 来源：机器之心 · 公众号
- 发布时间：2026-05-31T05:08:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/30873
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651036001&idx=2&sn=36e1a61439358ea641b8e307722af337

## 摘要

微软放出了一个叫 SkillOpt 的开源框架，一周就在 GitHub 上拿了 3300 多颗星。它的思路挺直接：不改模型本身的参数，而是像做文本版梯度下降一样，自动迭代优化那些写给 AI 智能体看的“技能文档”。论文里的实验覆盖了 7 个目标模型、6 个评测基准和 3 种执行环境，总共 52 种组合，结果要么最好，要么并列最好。不过正文因为访问限制没...

## 推荐理由

微软开源的 SkillOpt 把 agent 技能文档当成可训练的文本参数，像训神经网络一样去优化技能描述，这个思路挺新鲜。我会先打个折：论文说在 52 个组合里做到最优或并列最优，但正文没披露具体对比基线和误差范围，这点先别太激动。不过一周 3.3k star 说明 agent 工程圈确实被技能维护和评估成本折磨很久了，一个能自动优化技能文档的工具，哪怕只是省掉一部分手工调 prompt 的活，也值得关注。

## 锐评

SkillOpt 的思路是把给 AI 智能体用的“技能说明书”当成可训练的文本来优化，不改模型本身。论文在 7 个模型、6 个基准、3 种执行环境共 52 种组合上跑出了最好或并列最好的结果，说明这套方法在不同模型和任务上都有点普适性。

不过目前能看到的只有摘要和星数，正文因为微信页面需要验证没读到。具体怎么实现“文本梯度下降”、优化后的技能文档长什么样、对模型本身能力有没有隐性依赖，这些关键细节都还缺。3.3k 星说明社区对“不调模型就能让智能体变强”这个方向很感兴趣，但实际效果得等看到完整论文和代码才能判断。