手写这些技术文档，性质上是一种试错的手工活。写一版，跑几个工作看看成效，感触哪里不合再改，改完再跑。这个过程和之前手调 prompt 没有性质区别，只是对象从一句话造成了一整份文档。
这个问题似乎迎来了终点，微软在本周开源了SkillOpt，一个把 Agent 技术文档当作「可训练参数」的文本空间优化框架，让技术文档自我进化。
主题思路很单一，不训练模型权沉，只训练那份领导 Agent 行为的天然说话文档。在 7 个指标模型、6 个基准测试、3 种执行环境（直接对话、Codex、Claude Code）的全数 52 个评测组合中，SkillOpt 训练出的技术文档全数达到最优或并列最优
SkillOpt 的主题洞察能够用一句话概括：Agent 的技术文档就是它的「表部权沉」，既然内部权沉能够用梯度下铰反优化，表部权沉也应该有一套系统化的训练步骤。
Rollout（前向传布）：冻结的指标模型拿着当前版本的技术文档去执行一批工作，纪录齐全的执行轨迹，蕴含新闻、工具挪用、验证反馈、最终得分。这一步产出的是「证据」，相当于神经网络的前向传布了局。Reflect（反向传布）：一个独立的优化器模型分析这批执行轨迹。关键设计是，失败案例和成功案例被分隔反思。失败的 minibatch 用来发现「哪些操作规定必要建改」，成功的 minibatch 用来确认「哪些现有规定在起作用，不能动」。这一步相当于推算「文本空间的梯度」，通知系统技术文档该往哪个方向改。Edit（参数更新）：优化器模型基于反思了局，提出对技术文档的结构化编纂操作：增长新规定（add）、删除失效规定（delete）、代替必要建改的规定（replace）。Gate（验证门控）：候选的新技术文档必须在一个 held-out 的验证集上跑一遍，只有机能严格提升时才被接受。这一步预防过拟合，确保每次更新都是真正的改进。
训练神经网络时，进建率太大会导致苦难性忘却，模型学了新器材就忘了旧器材。SkillOpt 在文本空间遇到了齐全一样的问题：若是一次编纂扭转太大，可能把之前学到的有效规定覆盖掉。
解决规划是引入「文本进建率」（textual learning rate）：每一步允许的编纂操作数量有上限。论文中默认设置为 lr=4，即每步最多 4 个 add/delete/replace 操作。这个约束迫使优化器每次只做幼幅调整，维持训练不变性。
另一个精彩的设计是 rejected-edit buffer。当一个编纂提案被验证门控回绝时，它不会被单一抛弃，而是进入一个缓冲区。优化器在后续的反思阶段能够看到这些「失败的尝试」，从而预防沉复提出类似的无效编纂。
Slow Update：每个 epoch 实现时，对整个 epoch 内所有被接受的编纂做一次纵向对比分析，找出跨 step 的一致性模式，产出一次更大领域的更新。这类似于深度进建中的进建率 warmup 或周期性大步更新。Meta Skill：优化器自身也有一份「元技术」文档，纪录它在优化过程中堆集的经验（好比「对这个 benchmark，关注工具挪用的体式比关注推理步骤更有效」）。这份元技术在 epoch 间持续更新，让优化器自身也在进化。
关键的是，这两个机造只在训练时存在。部署时，指标模型只必要那份最终的 best_skill.md，不必要任何额表的模型挪用或影象�？�。推理时的开销为零。
幼模型的提升幅度反而更大，这注明技术文档对能力较弱的模型援手更显著。一份好的操作手册，对新手的价值弘远于对专家的价值，这个直觉在 AI Agent 上同样成立。
值妥贴心的是，TextGrad 和 GEPA 都是已有的文本优化步骤，SkillOpt 对它们的优势注明，系统化的训练循环设计（进建率、验证门控、负反馈缓冲）的确比疏松的自我建改更有效。
跨模型迁徙：在 GPT-5.4 上训练的 LiveMath 技术，直接迁徙到 GPT-5.4-nano 上使用，提升 15.2 分。不必要针对幼模型沉新训练�？缁肪城ㄡ悖涸� Codex 环境中训练的 SpreadsheetBench 技术，直接迁徙到 Claude Code 环境中使用，提升 31.8 分。这意味着你在一个 Agent 框架里优化好的技术文档，换到另一个框架里依然有效。自优化：即便用 GPT-5.4-nano 同时作为指标模型和优化器模型（自己优化自己），SpreadsheetBench 上依然提升了 10.4 分。这注明 SkillOpt 的训练循环自身提供了足够的结构化约束，即便优化器不比指标模型更强，也能发现有效的改进方向。部署极简：最终部署时只必要一个 best_skill.md 文件。不必要优化器模型，不必要影象�？�，不必要任何额表的推理开销。
「将任何通用的指标容器事俘视为有效」「守护一个严格编号的已搜索集中，不沉复查抄已观察过的地位」「在某一类地位陆续屡次未射中后，扩大搜索领域」
这些规定都是从失败轨迹中自动提炼出来的。好比第三条，来自 Agent 在某些工作中反复搜索统一类地位却找不到指标物品的失败经验。优化器观察到这个模式后，提出了「扩大搜索领域」的规定。
整个过程中，Step 3 的编纂一度导致验证集机能降落，但被 slow update 机造救回。Step 4 的训练集得分更高，但验证集没有提升，因而被门控回绝。这种「提出如果、验证、接受或回绝」的循环，和人类科研的步骤论千篇一律。
收集精子系统(快穿)女主叫江沫我属于特别招蚊子的体质，夏天穿短裤要是不喷，心里就不踏实。以前用别的驱蚊水，都得带个小分装出门，到了下午或晚上还得补一下。这款真的出门喷一次就够了。缺点是味道有点冲，最好不要在密闭空间里喷。▼张建律师介绍，如果最高检最终决定不予核准追诉，被害人家属可以对不核准追诉决定申诉。根据《人民检察院办理刑事申诉案件规定》第八条、第十条，被害人近亲属不服人民检察院不起诉决定等诉讼终结的刑事处理决定，可以向人民检察院提出申诉。此外，即使刑事追诉终止，被害人家属仍可就民事赔偿部分单独起诉。若因本案造成家庭生活困难，被害人家属可向当地人民检察院申请国家司法救助。根据《人民检察院开展国家司法救助工作细则》第七条的规定，刑事案件被害人受到犯罪侵害致死，依靠其收入为主要生活来源的近亲属，因案件无法侦破、已过追诉时效、加害人死亡或者没有赔偿能力，造成生活困难的，人民检察院应当予以救助。收集精子系统(快穿)女主叫江沫《优等舱:客服特殊待遇》韩剧春节后，放疗的效果显现，副作用也逐渐消退，王芳的身体状况有所好转。虽然常规治疗手段已经穷尽，肿瘤不会停止生长，但熊天琪觉得，“竭尽全力走了那么远，最终结果都无关紧要了。”雯雯的妈妈告诉封面新闻记者，张某洒是西安鄠邑人，和雯雯是高一同学。一年后雯雯转学，两人并不熟悉。直到2024年1月，在高中同学聚会上，两人再次见面后，张某洒开始追求雯雯，一个月后确定了恋爱关系。随后张某洒去了广州，两人一直异地恋。
20260606 ? 收集精子系统(快穿)女主叫江沫孔德：我不知道这个数据，谢谢（笑）。但并不会真正改变什么。我的角色不会变，我会继续保持一贯的状态，无论是在场上沟通。在更衣室里也是如此，当我有话要说时我不会犹豫，就像很多球员一样。我们有一个年龄结构很均衡的更衣室，每个人都有表达的机会。我认为这是好事，有很多不同类型的领袖。这已经是我第四次国家队大赛，比赛和征召不断累积。我很高兴参加第二次世界杯，我会尽力做到最好。《1V1幼说现言》北京时间6月6日，NBA总决赛G2，马刺以104-105不敌尼克斯， 大比分0-2落后。这场比赛文班亚马多次展现出领袖风采，末节他在替补席愤怒的一幕令人动容，一位22岁的年轻人已经成为这个联盟最出色、最具领袖气质的超巨，只可惜他决胜时刻2投不中+1致命失误+绝杀不中，文班直接进入更衣室叉腰摇头。
20260606 ? 收集精子系统(快穿)女主叫江沫昌平区气象台04日14时50分发布冰雹黄色预警，预计当前至傍晚，昌平区可能出现分散性冰雹，可能造成一定的损失，请注意防范。（预警信息来源：国家预警信息发布中心）《《部长看高低属的老婆》韩剧》马洛塔：帕莱斯特拉是亚特兰大的一名球员，我认为他是一位很有天赋的年轻人，我也为我们的国家队感到高兴。他现在是大家都在谈论的人物。至于把他和我们联系在一起，我觉得有点过于牵强了。
京公网安备11010202000001号
