一个问题为什么Agent的技能越改越不可靠AI Agent的能力高度依赖它的技能——也就是用自然语言或代码写成的行为指令。工程师可以随时修改这些指令调整Agent的行为逻辑。但研究者发现这种看似灵活的手工编辑模式存在一个根本性问题每一次修改都没有保证一定比上一次好。你改了一行PromptAgent在这个场景表现好了换一个场景可能直接崩溃。更麻烦的是Agent的复杂行为由多条技能指令交织驱动改动一条可能引发连锁效应而修改者无法系统性地评估这些副作用。传统方案为何走到尽头业界对这个问题的主流应对策略是更好的手工编辑——写更详细的Prompt、加更多示例、设计更精细的上下文模板。但这些方法的底层逻辑从未改变修改仍由人类直觉驱动而非数据驱动。这种做法带来的困境很明显规模越大越不可控。一个Agent管理几十条技能时每条技能的优化路径是独立的彼此之间没有统一的优化信号。更糟的是Prompt编辑的改进往往是玄学——同一个修改在不同模型版本上的表现差异极大工程师无法判断究竟是改对了还是运气好。SkillOpt把技能参数化训练Microsoft Research 提出的SkillOpt提供了一种反直觉的转向为什么不把技能指令直接当作可训练的参数核心思路简洁而颠覆既然神经网络里的权重可以通过前向-反向-更新循环来优化为什么Agent的文本技能不能一样SkillOpt 正是将这一思路具象化——它设计了一个在文本空间内运行的训练循环1.前向传播ForwardAgent用当前技能指令完成任务收集执行轨迹和结果信号。2.反向传播Backward对比实际结果与期望结果用大语言模型分析偏差生成对应技能指令的梯度——即需要修改的文字区域和修改方向。3.参数更新Update根据文本梯度修改技能指令产生新版本进入下一轮迭代。整个过程不需要修改模型权重不涉及反向传播的数学运算。所有操作都在文本层面完成但逻辑结构与神经网络的训练惊人地相似。实验数据说了什么研究者将 SkillOpt 应用于多个主流Agent框架并在GAIA 验证集上进行了系统评估。结果数据指向几个关键发现持续提升经过多轮SkillOpt训练Agent在未见过的任务上的成功率达到82.3%远超固定技能版本63.1%。对比优势与手工优化版本相比SkillOpt训练的版本无论在上限还是稳定性上都更优——手工优化在5轮修改后即出现波动甚至退化而SkillOpt保持单调提升趋势。迁移能力训练后的技能可以跨Agent实例复制同类任务上微调即可复用无需从零开始。消融实验缺少反向传播或更新任一步骤性能提升都会大幅下降验证了三阶段结构的必要性。实际价值从写Prompt到训练Prompt对从业者来说SkillOpt 意味着Agent的开发范式正在发生转变。过去维护一个高质量Agent意味着培养一支Prompt工程团队依靠经验和试错来迭代。现在这条路径可以变成一个自动化的训练管线——你提供任务数据和期望结果SkillOpt自行完成技能的持续优化。这种转变对大规模Agent部署尤其重要。当Agent被投入生产环境面对成百上千种场景时手工维护每条技能指令的成本会指数级上升。SkillOpt 让自我修复成为可能Agent可以在运行中收集失败案例自动修正自己的技能指令。不能忽视的边界SkillOpt 并非万能方案。研究者也坦诚了几项局限性依赖评估信号质量训练循环的效果高度依赖期望结果的定义方式。如果评估标准本身有偏差优化出的技能指令也会偏离真实需求。文本梯度噪声大大语言模型生成的文本梯度并不像数学梯度那样精确单次更新可能引入无关修改。多轮平均虽然能缓解但增加了训练成本。长技能链的稳定性当Agent的技能链超过10-15步时SkillOpt 的收敛速度显著下降错误可能沿链传播累积。计算开销每一轮训练都需要多次调用大模型进行执行和评估在推理成本敏感的场景下需要权衡收益。这些问题也为后续研究打开了方向——如何降低文本梯度的噪声、如何设计更鲁棒的多步技能训练策略、如何将 SkillOpt 与模型微调协同工作都将是值得关注的课题。关于维基框架维基框架Wiki Framework是一套面向复杂业务场景的轻量级开发框架支持多语言、多协议、多部署形态。适用于企业级应用开发、微服务架构、云原生部署等场景。官网framewiki.comGiteegitee.com/wiki-frameworkGitHubgithub.com/wiki-framework示例项目gitee.com/cdkjframework/framewiki-example 许可证MulanPSL-2.0木兰宽松许可证第2版