SkillOpt：微软研究院将智能体指令文件视为可训练参数

微软研究院发布了 SkillOpt——一个解决此前大多被忽视的问题的系统：如何在不触动模型权重的情况下系统性地改善 AI 智能体的行为。SkillOpt 不采用微调，而是将指令和技能文件视为可训练参数，并对智能体接收的指令文本应用优化循环。

正向-反向-更新：一个循环的工作原理

该过程在三个步骤中循环进行：

正向传播（Forward pass） — 冻结的目标模型使用当前版本的技能文件执行任务。模型中没有任何内容被改变；唯一记录的是轨迹——一系列动作和中间结果。

反向传播（Backward pass） — 独立的优化器模型分析轨迹并识别模式：哪些有效，哪些无效，智能体在哪里偏离了正轨。基于此分析，它提出有限的文本编辑：添加一句话、删除一条指令、替换一种表述。

更新步骤（Update step） — 提议的编辑通过验证关卡。只有能提升留出验证数据表现的编辑才被接受。被拒绝的编辑进入下一次优化器调用的反馈回路，而在每个 epoch 层面还会进行较慢的元更新，以整合长期积累的经验。

防止提示漂移（prompt drift）的机制——即技能文件因累积编辑而退化为无意义内容的情况——是最优版本选择：每次编辑必须优于当前版本，而不仅仅是不同。

52 个评估单元：一致性是核心发现

研究人员在 6 项基准测试（SearchQA、SpreadsheetBench、OfficeQA、DocVQA、LiveMathematicianBench、ALFWorld）× 7 个模型 × 3 种执行模式上测试了 SkillOpt，共计 52 个评估单元。在所有 52 个单元上，SkillOpt 均达到了与相关基准相比最优或持平的结果。

最大幅度的提升数据，均在 GPT-5.5 上测得：

基准测试	优化前	优化后	提升
六项基准平均	58.8%	82.3%	+23.5 pp
SpreadsheetBench	41.8%	80.7%	+39.0 pp
OfficeQA	33.1%	72.1%	+39.0 pp
LiveMathematicianBench	37.6%	66.9%	+29.3 pp

特别值得关注的是 OfficeQA 优化数据：39 个百分点的提升仅通过技能文件中的一次编辑实现。这表明现有指令中存在高权重错误——会系统性地使智能体偏离方向的表述。

紧凑性与可迁移性

最终技能文件中位长度约为 920 个 token，每个案例有 1 到 4 次被接受的编辑。紧凑性并非偶然——验证关卡会自然过滤掉不带来可量化改进的冗余编辑。

可迁移性在多个层面上得到了记录。针对一个执行环境（如 Codex）的优化带来了 +24.8 pp 的提升，同样的技能在 Claude Code 执行环境中无需重新优化即带来了 +19.1 pp。一次跨环境迁移记录了 +59.7 pp 的提升——意味着在某一平台上使用优化技能的智能体，在完全不同的平台上也超越了自身基准。

这与提示工程有何不同？

手动提示工程（prompt engineering）是迭代性的，但并非系统化的。工程师凭直觉修改指令，没有每次编辑的量化反馈，也没有防止性能退化的机制。SkillOpt 将这一过程正规化：每次变更都经过测量，每个步骤都可审计，而最终成果——优化后的技能文件——可以版本控制、共享，并应用于任何兼容的模型。

对于已经拥有智能体基础设施的组织，其含义十分明确：模型无需变得更好，智能体就能变得更好。只需系统性地优化模型接收的文本即可。