wehub/microsoft--skillopt

Fork 0

Files

T

wehub-resource-sync 9a5912288b docs: make Chinese README the default

2026-07-13 10:14:07 +00:00

7.3 KiB

Raw Permalink Blame History

Note

本文档由 WeHub 基于上游 README 翻译整理，属于社区翻译，非官方中文文档。
English · 原始项目 · 上游 README
原作者、版权与许可证归属以原始项目及本仓库 LICENSE 文件为准。

SkillOpt：自进化 Agent 技能（Agent Skills）的执行策略

像训练神经网络一样训练 agent 技能——使用 epoch、（mini-）batch size、学习率（learning rate）和验证门控（validation gates）——但无需改动模型权重。

📖 有关安装、数据准备、训练/评估命令、完整配置参考及框架内部机制，请参阅 Documentation & Reproduction Guide（在 GitHub Pages 上渲染）。

News 🔥🔥🔥

[2026-07-02] 🚀 SkillOpt v0.2.0 已发布至 PyPI! headline 功能：SkillOpt-Sleep，一款夜间离线自进化引擎（harvest → mine → replay → consolidate，全程受留出验证门控保护），支持多目标奖励、经验回放（experience replay）+ 梦境 rollout（dream rollouts）以及长期记忆——现已作为 skillopt-sleep CLI 交付。本版本还新增跨工具后端及面向 Claude、Codex、Copilot、Devin 和 OpenClaw 的插件外壳、SearchQA 划分物化、Windows 稳健性增强，以及加固的 JSON 解析。完整变更日志与贡献者致谢见 release notes。
[2026-06-15] 😴 SkillOpt-Sleep（预览版） —— 面向本地编码 agent（Claude Code / Codex / Copilot）的夜间离线自进化伴侣：回顾过往会话、重放重复任务，并在留出门控后巩固已验证技能。其定义、用法与结果见 docs/sleep/README.md。
[2026-06-03] 🎉 gbrain, gbrain-evals, 与 darwin-skill 均已集成 SkillOpt。
[2026-06-02] 🎉 SkillOpt v0.1.0 现已在 PyPI! 发布。使用 pip install skillopt 安装。首发版本包含完整训练循环（rollout → reflect → aggregate → select → update → evaluate）、多后端支持（OpenAI / Azure / Claude / Qwen / MiniMax）、六个内置基准测试，以及 WebUI 仪表盘。

Overview

现代 agent 技能通常靠手工编写、由强 LLM 一次性生成，或通过松散控制的自我修订来演化——这些方式都不像针对技能本身的深度学习优化器，也都不能在反馈下可靠地超越起点。

SkillOpt 将技能文档视为冻结 agent 的可训练状态，并以使权重空间优化可复现的纪律来训练它。独立的优化器模型将带评分的 rollout 转化为对单一技能文档的有界 add / delete / replace 编辑；候选编辑仅在其严格提升留出验证分数时才被接受。文本学习率预算、被拒编辑缓冲区，以及按 epoch 的慢速 / 元更新，使技能训练保持稳定，同时在部署时零额外推理时模型调用。

部署产物是一个紧凑的 best_skill.md（通常 300–2,000 tokens），在不变的目标模型上运行。在六个基准测试、七个目标模型和三种执行框架（direct chat、Codex CLI、Claude Code CLI）上，SkillOpt 在全部 52 个已评估（模型、基准测试、框架）单元格上均为最佳或并列最佳；在 GPT-5.5 上，平均无技能准确率提升 +23.5 点（direct chat）、+24.8 点（Codex agentic loop 内）、+19.1 点（Claude Code 内）。优化后的技能产物可跨模型规模、在 Codex 与 Claude Code 框架之间，以及迁移至相近基准测试，而无需进一步优化。

完整方法、消融实验与各单元格结果见 paper;；循环的可视化导览见 project page;；更深入的 API / 后端 / 基准测试文档见 docs/。

🎬 Demo Video

https://github.com/user-attachments/assets/eb12d3bc-371c-467f-904d-91b61f339ed7

▶ 在 YouTube 观看完整演示

Extensibility & WebUI

Adding a new backend

后端 = 聊天 / 执行目标（例如 openai_chat、claude_chat、 qwen_chat、minimax_chat、codex_exec、claude_code_exec）。完整约定见 docs/guide/new-backend.md；简而言之，你需要添加 skillopt/model/<name>_backend.py 模块，在 skillopt/model/common.py + backend_config.py 中注册，并在 skillopt/model/__init__.py 的路由器中接入。qwen_backend.py 与 minimax_backend.py 是不错的模板。

Adding a new benchmark

基准测试 = 带有 dataloader.py、 rollout.py 和 initial.md 种子技能的 skillopt/envs/<name>/ 包。完整约定见 docs/guide/new-benchmark.md；最简单的参考是 skillopt/envs/searchqa/。

WebUI

启动监控仪表盘（可选）：

pip install -e ".[webui]"
python -m skillopt_webui.app

Flag	Default	Description
`--port`	7860	Server port
`--host`	`0.0.0.0`	Bind address
`--share`	off	Create a public Gradio share link

Citation

@article{yang2026skillopt,
  title={Skillopt: Executive strategy for self-evolving agent skills},
  author={Yang, Yifan and Gong, Ziyang and Huang, Weiquan and Yang, Qihao and Zhou, Ziwei and Huang, Zisu and Li, Yan and Gao, Xuemei and Dai, Qi and Liu, Bei and others},
  journal={arXiv preprint arXiv:2605.23904},
  year={2026}
}

7.3 KiB Raw Permalink Blame History Unescape Escape