SuperAPI AI 工具集
合作ENAI 行业资讯收藏
Skill 广场skill-opt-lite

skill-opt-lite

智能体与模型

查看项目

更新于 11-09 16:17

技能介绍

SkillOpt-Lite 是一个面向智能体的技能文档训练工具，采用 SkillOpt 方法论：像训练神经网络权重一样训练技能文档，通过迭代执行（rollout）、反思（reflection）与验证（validation）来改进技能。整个过程不需要外部 API 密钥，智能体既是执行任务的工作者，也是优化技能的优化器。工作目录可为任意路径。

适用场景

  • 已有技能效果不佳，希望系统化地改进；
  • 想从零创建一个新技能，采用数据驱动的迭代方式；
  • 想判断某次技能修改究竟带来提升还是损害。

不适用场景

  • 一次性的技能修补（可直接编辑技能文件）；
  • 无法被客观评估的、纯主观质量的技能。

快速开始

  1. 准备任务集（由任务对象组成的 JSON 数组，每个任务有可验证的结果）；
  2. 将该技能指向草稿技能文档；
  3. 运行训练循环；
  4. 获得优化后的 best_skill.md。

训练循环

每个 epoch 内按步执行： ① ROLLOUT：用当前技能运行任务，记录通过或失败； ② REFLECT：分析失败，提出修改（不超过 edit_budget）； ③ AGGREGATE：去重，失败优先合并； ④ SELECT：按影响挑选前 L 条修改； ⑤ UPDATE：将修改应用到技能文档； ⑥ GATE：重新运行验证，仅在分数提升时接受； 每个 epoch 结束时执行 SLOW_UPDATE，做战略性复盘并写入受保护区域。 开始训练前应先阅读 references/training-protocol.md 中的完整协议。

必要输入

  • skill_path：待优化技能文档路径，.md 文件；
  • tasks：带可验证结果的任务集，JSON 数组；
  • valid_tasks：验证任务集，与训练集分开，JSON 数组，可选；未提供时自动拆分。

任务格式示例： [ { "id": "task-001", "instruction": "智能体应执行的任务", "expected_outcome": "成功的样子（用于评分）", "test_command": "可选：用于验证成功的 shell 命令" } ]

配置默认值

  • num_epochs：4，训练 epoch 数；
  • steps_per_epoch：2，每个 epoch 的步数；
  • edit_budget：4，每步最大修改数（余弦衰减）；
  • min_edit_budget：2，修改预算衰减下限；
  • early_stop_patience：3，连续无提升步数后停止；
  • slow_update：true，启用 epoch 末的纵向复盘；
  • meta_skill：true，启用优化器侧记忆。 启动训练时可提供配置对象覆盖默认值。

状态持久化

所有状态保存在项目根目录的 .skillopt/ 中，包括 state.json（当前训练状态与恢复点）、history.jsonl（每步一行 JSON）、step_buffer.json（被拒绝的修改与失败模式）、meta_skill.md（优化器侧记忆）、best_skill.md（最佳评分技能）、skills/（版本化技能快照）、tasks/（训练与验证任务集）、steps/（每步产物）。若 .skillopt/state.json 存在，将从最后完成的步骤继续，且跨会话有效，可关闭并重启客户端。

编辑操作

按顺序应用 4 种操作：

  • append：在技能末尾追加（无需目标）；
  • insert_after：在目标文本之后插入；
  • replace：用内容替换目标文本；
  • delete：删除目标文本。 受保护区域规则、修改预算衰减与 step buffer 格式见 references/edit-operations.md。

评分与门控

每个任务给出硬分（0 或 1）与软分（0.0 至 1.0）。仅当候选技能的 hard 严格高于当前 hard 时才接受；分数相等即拒绝。完整评分与门控逻辑见 references/scoring-guide.md。

关键规则

  • 诚实评分：过度评分会使门控失效并让技能退化，存疑时硬分记 0；
  • 修改预算只是上限：修改数量应视需要而定，不要为凑数而添加；
  • 要泛化，不要死记：修改应针对共性模式，而非个别任务的答案；
  • 受保护区域不可触碰：步级修改不得针对 <!-- SLOW_UPDATE_START --> 与 <!-- SLOW_UPDATE_END --> 之间的内容，仅 epoch 末复盘可修改；
  • 失败优先：合并失败驱动与成功驱动的修改时，冲突一律失败修改优先；
  • 被拒即学习：被拒绝的修改写入 step buffer，下一步反思阶段会参考以避免重复错误；
  • 拒绝即回退：门控拒绝候选时，必须恢复之前的技能文档，不得保留被拒版本。

最小示例：优化一个用于编写 TypeScript 测试的技能，共 10 个任务。智能体将任务拆为 8 个训练、2 个验证；基线 3/8 通过（0.375）；第 1 步 rollout 2/8，反思出共性问题（未模拟文件系统），追加模拟策略后门控 4/8=0.5，高于 0.375，接受；第 2 步 rollout 5/8，反思出异步处理问题，追加异步模式后门控 5/8=0.625，高于 0.5，接受；按配置的 epoch 继续。最终输出 best_skill.md，评分从 0.375 提升到 0.75。

与 AIOS 的集成：可与 aios-long-running-harness 配合实现多会话检查点与恢复；宣布训练成功前可使用 verification-loop 验证；若技能领域不明确，可在训练前通过当前 Rex Capability Command 获取需求；训练结果可通过 cap 提交。

参考文档：references/training-protocol.md（完整六阶段流程与决策逻辑）、references/edit-operations.md（编辑操作规范、预算衰减、step buffer、受保护区域）、references/scoring-guide.md（评分方法、门控逻辑、验证集与停止条件）。