SkillOpt 用于对任意 Hermes 技能文档执行受控的优化循环，方法论参考 Microsoft Research 的 SkillOpt 论文（Yifan Yang 等，2025），核心主张是按任务执行结果而非阅读技能文本来评估改动。
用途：技能表现不稳定、不确定哪些改动能真正生效、想在上线前验证技能编辑、维护多个技能需要可重复的改进流程、或新技能发布前先做预优化时使用。它适合有可衡量任务结果的技能；对图像生成、写作等主观创造性技能，其验证标准需与用户反复确认，不一定一次到位。
主要能力：采用基于看板的六阶段流水线——Backlog、Rollout、Reflect、Propose、Validate、Merge、Done，失败的提案进入 Reject Buffer，每 4 个 epoch 做一次慢速元反思。先做描述审计（Phase 0），检查命令式措辞、指令而非说明文、负向边界和触发覆盖率。用留出任务集作为验证门，训练集与验证集必须不同。支持消融基线对比、无效指令扫描、过度处方检测、令牌效率作为次要验证标准。
使用方式：一次性安装可克隆仓库到技能目录，例如 git clone https://github.com/magnus919/hermes-SkillOpt ~/.hermes/skills/skillopt，然后在对话中要求代理优化某个技能。运行需先确认测试基础设施限制，避免在生产博客、站点、数据库上做 rollout；硬件相关运行需串行执行。默认 4 个 epoch，每 epoch 编辑预算 4 次并按余弦衰减到下限 2，可在 board-metadata.json 的 edit_budget 配置。
限制：资料未提供更多安装之外的细节；版本提交规范要求 fix: 对应补丁号、feat: 对应次版本号。PR 时机有硬性门禁，不得在初始实现验证后立即建 PR。目标技能需在 git 仓库中；仅本地安装于 ~/.hermes/skills/ 的技能参见非 git 技能说明，直接改文件并用 frontmatter 版本与基线快照跟踪。具体价格、平台支持与效果数据暂未提供。