像训练神经网络一样训练Agent技能
目录
- 像训练神经网络一样训练Agent技能
- 为什么我们需要SkillOpt？
- SkillOpt的核心洞察：技能是Agent的"外部权重"
- SkillOpt是如何工作的？一个完整的例子
- 第一步：初始化
- 第二步：Rollout(前向传播)
- 第三步：Reflect(反向传播)
- 第四步：编辑预算(学习率)
- 第五步：验证门控(最重要的一步)
- 第六步：循环迭代
- 惊人的实验结果
- 这对我们使用Cursor意味着什么？
- 写在最后
你有没有过这样的经历：花了整整一天精心打磨一个Cursor技能文档，结果发现它在某些任务上表现出色，在另一些任务上却一塌糊涂？你不断地修改、调整、添加规则，却发现越改越乱，甚至把原本好用的功能也搞坏了？
这就是当前所有Agent技能的通病：手工制作、一次性生成、无控制的自我修订。没有一个能像深度学习优化器那样，在反馈下可靠地、系统地提升性能。
直到2026年5月22日，微软研究院发布了SkillOpt——第一个系统性可控的文本空间优化器。它彻底改变了Agent技能的游戏规则：不训练模型权重，只训练那份指导Agent行为的自然语言文档。
在7个目标模型、6个基准测试、3种执行环境的全部52个评测组合中，SkillOpt训练出的技能文档全部达到最优或并列最优，碾压了人类手写、一次性LLM生成、TextGrad、EvoSkill等所有竞争对手。
为什么我们需要SkillOpt？
在SkillOpt出现之前，我们有三种方式来创建Agent技能：
- 手工编写：耗时耗力，依赖个人经验，难以覆盖所有边缘情况
- 一次性生成：让LLM一次写出完整技能，经常包含错误和矛盾
- 无控制自我修订：让AI自己修改技能，容易出现"语义跳跃"，越改越差
这些方法都有一个致命问题：没有验证机制。你永远不知道哪条规则在起作用，
