技能介绍

解决什么问题

手写 Agent 技能文档基本靠试错：改一句措辞、加一段示例、收紧一条约束，然后靠几条主观印象判断“有没有变好”。这类反馈既无法复算，也无法追溯——某次改动为什么被采纳，除了当事人没人知道。结果技能文档常见三种退化：越改越长，约束堆到互相矛盾；越改越偏，一次“看起来合理”的改写悄悄拉低真实得分；越改越脆，没有负向记忆，同一个失败编辑被反复提出。SkillOpt 把技能文档当作模型之外的可训练参数，用一套带验证门控的迭代循环替代手调。

核心能力

双角色分工：冻结的执行器用 current_skill.md 跑任务产出轨迹；优化器读轨迹提议小幅编辑。单 Agent 环境可由同一实例分别扮演。
前向—反向—更新—门控：rollout batch 产出证据，轨迹按成败拆成 reflection minibatch 分别反思，再以 text learning rate（默认 ≤3 处）截断候选编辑，最后在留出验证集上做严格更优门控。
负反馈记忆：被拒编辑进 append-only 台账，下轮优化器先读再改。
产出可审计：best_skill.md 是验证集上最优版本，skillopt_runs/_ledger.md 记录被采纳与被拒编辑及原因。

适用边界

必须有自动 verifier 与带标准答案的任务，主观、开放、无评分口径的场景不适用——此时应停止并明确告知用户，而非假装能优化。纯推理难题也不是它的靶子，它优化的是程序性纪律（格式、自校验、工具策略）。停止条件为连续 2 个 epoch 无被采纳编辑、达到 epoch 预算（默认 5）或用户叫停。论文报告的 +23.5 均值来自其自有评测体系，属于上限信号，须在真实任务上自验。