當 AI 開始自己寫筆記：Microsoft SkillOpt 如何讓語言模型的技能像神經網路一樣可訓練
2026 年 5 月，Microsoft Research 釋出 SkillOpt，一個能像訓練神經網路那樣訓練 AI agent「技能文件」的開源工具。它不動模型權重，卻在 52 項評測中拿下 52 勝。
The Big Picture
2026 年 5 月 22 日，Microsoft Research 在 GitHub 上靜悄悄地推出一個名為 SkillOpt 的開源專案。短短幾天，這個 repo 累積超過一千顆星。它不像 GPT-5.5 那樣是個更大的模型，也不像 Claude Code 那樣是個能寫程式的助理，它要解決的是一個更底層、卻長期沒被好好處理的問題：當我們用同一個大型語言模型（LLM, Large Language Model）面對不同任務時，到底該怎麼「教」它變得更厲害？
過去兩年，業界對這個問題的答案大概可以分成兩派。一派主張「微調」（fine-tuning），用任務資料重新訓練模型權重；另一派主張「提示工程」（prompt engineering），靠資深工程師手寫 prompt，反覆試錯。前者昂貴，動輒上萬筆資料、數張 GPU、好幾天的訓練時間；後者便宜，但全靠經驗，難以系統化、難以驗證、難以擴大規模。
SkillOpt 提出第三條路。它把模型權重「凍結」（frozen），改去訓練一份名為 best_skill.md 的 Markdown 檔案。沒錯，就是一份你我都看得懂、改得動的純文字檔。這份檔案會記錄做特定任務該注意什麼、該用什麼工具、怎麼驗證答案，然後 SkillOpt 用一套類似神經網路訓練的迴圈（epoch、batch size、learning rate、validation gate）持續對它進行最佳化。當訓練結束，你拿到的是一份幾百字到幾千字、人類可讀、可審計、可在不同模型之間搬移的「技能說明書」，而不是模型權重。
這件事的意義超越單一專案。當 Anthropic 的 Claude Code、OpenAI 的 Codex 都開始支援「agent skills」這種以文件形式存在的能力包，誰能系統化地產出最好的 skill 檔案，誰就掌握了下一波 AI agent 的競爭優勢。
Why It Matters
對資工系、資管系，或對 AI 有興趣的學生而言，SkillOpt 之所以值得認識，是因為它示範了一種正在崛起的工程典範：把自然語言當作可最佳化的程式。
從應用角度看，這代表一件事：未來你不必擁有訓練 GPT-5.5 的資源，也能讓它在你的任務上贏過業界最強的對手。你只需要一份好的 skill 文件，加上一台能跑 API 的筆電。實驗結果顯示，把 SkillOpt 訓練出來的 skill 套用在 GPT-5.5 上，直接聊天模式可以把平均準確率拉高 23.5 個百分點，在 Codex agentic loop 中提升 24.8 個百分點，在 Claude Code 中也有 19.1 個百分點的進步。這幾乎是過去你需要一支研究團隊微調模型才能做到的事。
從學習角度看，SkillOpt 把幾個原本散落在不同論文裡的概念（Voyager 的 skill library、Reflexion 的口語強化學習、TextGrad 的文字梯度、GEPA 的反思式提示演化）整合成一個可重複、可驗證的訓練流程。讀懂它，等於同時讀懂 LLM agent 領域過去三年的主要進展。
而從產業角度看，當「技能文件」變成可訓練、可交易的資產，AI 公司的競爭重心也會跟著移動。誰擁有最好的 skill 庫，誰就能在不換模型的情況下持續提升服務品質。這對台灣的軟體公司是個好消息：你不需要打造下一個 OpenAI，但你可以為自己的垂直領域打造世界級的 skill 檔案。
主要內容
一切從一個簡單的問題開始：什麼是 agent skill
要理解 SkillOpt，得先理解「agent skill」這個概念。
過去幾年我們熟悉的 LLM 應用，大致是這樣的模式：使用者輸入一段 prompt，模型回一段答案。但 2024 年之後，AI 開始進入 agent 時代。所謂 agent，是指能自主執行多步任務的程式，它會呼叫工具（搜尋網頁、執行程式碼、讀寫檔案）、觀察結果、再決定下一步該怎麼做。Claude Code、OpenAI Codex、Microsoft Copilot 都是這類 agent 的代表。
當 agent 要面對複雜任務（譬如「幫我審 100 行 Python 程式碼」或「從一份財報 PDF 抽出關鍵指標」），單一 prompt 已經不夠用了。它需要一套流程：先做什麼、再做什麼、遇到 X 情況怎麼辦、輸出格式長什麼樣。Anthropic 在 2025 年提出 agent skills 的概念，把這套流程寫成一份 Markdown 檔，放在特定資料夾裡。當 agent 接到任務，它會先讀這份 skill 檔，再開始動作。
問題來了：誰來寫這份 skill 檔？目前的答案大多是「資深工程師手寫」，或者「丟給 LLM 一次生成」。前者耗時，後者品質不穩。SkillOpt 把問題重新定義為：既然 skill 檔本身就是一段文字，那它能不能被「訓練」？
SkillOpt 的核心比喻：把神經網路的訓練語言搬到文字空間
SkillOpt 的設計靈感，來自深度學習的訓練迴圈。任何修過機器學習課的人都會背：神經網路的訓練包含 forward pass（前向傳播）、loss computation（計算損失）、backward pass（反向傳播）、parameter update（參數更新），整個過程要跑很多 epoch（訓練輪數），每次取一個 mini-batch（小批次資料），用 learning rate（學習率）控制更新幅度，並用 validation set（驗證集）防止過擬合。
SkillOpt 把這套詞彙整套搬到自然語言上。每一輪訓練，它讓「目標模型」（target model，譬如 GPT-5.5）拿著當前版本的 skill 檔，去執行一批任務（這對應於 forward pass）。執行過程會留下完整的軌跡（trajectory）：模型講了什麼、呼叫了什麼工具、得到什麼回應、最終分數多少。接著，一個獨立的「最佳化模型」（optimizer model，通常是另一個強力 LLM）會閱讀這些軌跡，反思失敗的原因，這個反思過程就像 backward pass，作者稱之為「語言層級的反向傳播」。
最佳化模型不會直接重寫整份 skill，而是提出有限度的「增、刪、改」編輯，每一輪只能動幾段，這就是 SkillOpt 的「文字學習率」（textual learning rate）。如果學習率太大，文件會在每一輪劇烈變動，學到的東西很容易失去；學習率太小，進步又太慢。
最關鍵的設計叫做「validation gate」（驗證閘）。每一筆編輯送進來時，SkillOpt 會把新版 skill 拿到驗證集上跑一次，只有當驗證分數嚴格優於上一版時，這筆編輯才會被接受；否則就丟回「拒絕編輯緩衝區」（rejected-edit buffer），留作下次反思的負例。這個機制直接對應神經網路訓練中的 early stopping 與正則化，目的是避免技能文件「死記」訓練資料、卻在沒看過的任務上崩盤。
這個比喻聽起來很巧妙，但它真正了不起的地方是：所有的最佳化都發生在文字層，沒有任何梯度、沒有任何模型權重被更新。當訓練完成，剩下的只是一份幾百字到幾千字的 Markdown 檔，任何人類工程師都看得懂，也可以手動微調。
那份 best_skill.md 長什麼樣
SkillOpt 訓練的最終產物，叫做 best_skill.md，這是整個訓練過程中驗證分數最高的版本。重要的是，這份檔案不會無限膨脹，它會被限制在幾百字到幾千字之間，方便人類在幾分鐘內審閱。
實際內容通常包含：任務的核心目標、解題的步驟流程、何時該呼叫哪個工具、驗證答案的標準、常見錯誤與如何避免。一份好的 skill 檔案，讀起來像是某個資深前輩寫給新人的工作手冊。
部署時更簡單：把這份 .md 檔丟進 Claude Code 的 ~/.claude/skills/ 資料夾，或者放進 Codex 專案的特定路徑，agent 就會在執行任務時自動參考它。不需要重新部署模型、不增加任何推論成本。
這就是 SkillOpt 在 GitHub README 上自豪宣稱的那句話：「在部署時零額外推論呼叫」（zero inference-time model calls at deployment）。
實驗結果：52 比 0 的全面勝利
SkillOpt 團隊用了一套相當嚴謹的評測。六個 benchmark（SearchQA、ALFWorld、DocVQA、LiveMathematicianBench、SpreadsheetBench、OfficeQA），七個目標模型，三種執行環境（直接聊天、Codex agentic loop、Claude Code），總共構成 52 個「模型 × 評測 × 環境」的格子。
對手陣容也很豪華：人類手寫的 skill、用 LLM 一次性生成的 skill，加上四個學界已知的最佳化方法：Trace2Skill（從軌跡挖經驗）、TextGrad（用文字梯度最佳化）、GEPA（反思式遺傳演化）、EvoSkill（演化式 skill 最佳化）。
結果是 SkillOpt 在所有 52 格都取得最佳或並列最佳的成績。平均而言，它比最強的基線方法還多出 5.4 個百分點。在 GPT-5.5 上，直接聊天的準確率從沒有 skill 的基準提升了 23.5 個百分點，套上 Codex 提升 24.8 個百分點，套上 Claude Code 提升 19.1 個百分點。
這幾乎是教科書等級的「乾淨勝利」。
站在巨人的肩膀上：四個必須認識的前輩
要客觀理解 SkillOpt 的貢獻，得把它放回過去三年 LLM agent 研究的脈絡裡。它並非橫空出世，而是站在好幾個重要先驅之上。
Voyager（2023，NVIDIA 與加州理工） 是第一個 LLM 驅動的「終身學習」agent。它在 Minecraft 裡靠 GPT-4 自我探索，建立一個會不斷成長的「技能庫」（skill library），每個技能是一段可執行的 JavaScript 程式碼。Voyager 強調技能的「組合性」（compositional），複雜技能可以由簡單技能拼起來。它與 SkillOpt 的最大差異在於：Voyager 的技能是「程式碼」，是給特定環境用的工具；SkillOpt 的技能是「文件」，是給語言模型參考的操作指引。Voyager 強的是探索與累積，SkillOpt 強的是收斂與驗證。
Reflexion（2023，東北大學） 提出了「口語強化學習」（verbal reinforcement learning）的概念。agent 嘗試一個任務、失敗了、用自然語言寫下反省，下一輪把反省加進 context 重試。Reflexion 是 SkillOpt 反思機制的直接前身。差別在於 Reflexion 的反省只存在於單次 episode 的記憶裡，沒有持久化的 skill 檔案，也沒有驗證閘來篩選哪些反省值得保留。SkillOpt 等於把 Reflexion 的口語反省工程化、可累積化、可審計化。
TextGrad（2024，Stanford） 把 PyTorch 的 autograd 概念搬到文字空間，提出「文字梯度」（textual gradient）。它讓 LLM 互相問「這個輸入該怎麼改才能讓輸出變好」，產生自然語言形式的「梯度訊號」，去最佳化 prompt、程式碼、甚至分子結構。TextGrad 是 SkillOpt 反向傳播比喻的理論基礎。SkillOpt 借用了 TextGrad 的思路，但聚焦在一個更具體的工件（skill 文件）上，並加上 validation gate 這個防呆機制。
GEPA（2025，將在 ICLR 2026 口頭發表） 結合反思式提示演化與 Pareto 前沿選擇，在某些任務上甚至超越強化學習（RL）。它用 400 到 1200 次 rollout 就達到 RL 需要 24000 次以上的效果，大幅降低訓練成本。GEPA 與 SkillOpt 共享反思式最佳化的精神，但 GEPA 最佳化的是 prompt 程式裡的多個模組，SkillOpt 則專注於單一的 skill 文件並加上學習率與拒絕緩衝區。
除了學術界，業界也有相關的工具。Stanford 的 DSPy（2023）讓開發者用 Python 程式碼定義 LLM 流程，框架會自動最佳化提示。Agent Workflow Memory（2024）則讓 agent 從過去的執行軌跡中提煉可重複使用的工作流程記憶。Microsoft 自家的 AutoGen 是多 agent 對話框架，正逐步併入 Microsoft Agent Framework。
把這些放在一起看，SkillOpt 的位置很清楚：它是把多條線索整合成一個「工程化、可驗證、零部署成本」的完整方案，而非開創某個全新方向。這正是業界產品團隊最需要的那種研究成果。
一個值得記住的金句
如果要用一句話概括 SkillOpt 的精神，我會說：當神經網路的時代教我們訓練權重，agent 的時代要教我們訓練文件。
當「技能」變成可訓練、可版本控制、可在不同模型之間轉移的純文字檔，AI 的工程化路徑就被重新打開了。你不再需要 H100 集群，你需要的是一個會反思的最佳化模型，加上一套設計良好的驗證指標。
What's Next
SkillOpt 開了一扇門，但門後還有許多沒被回答的問題。
第一個問題是「skill 的可組合性」。目前 SkillOpt 訓練的是單一 skill 檔，但真實任務常常需要多個 skill 協作（譬如「先做網頁搜尋、再寫程式分析」）。Voyager 那種把多個技能組合起來的能力，還沒被 SkillOpt 完全納入。
第二個問題是「跨模型遷移」。實驗顯示 SkillOpt 訓練出的 skill 在不同模型之間有不錯的遷移性，但這個遷移性有沒有極限？當 GPT-5.5 訓練出的 skill 搬到 GPT-6 或 Claude 5 上，會不會仍然有效？這對企業導入是關鍵。
第三個問題是「最佳化模型本身的成本」。SkillOpt 的訓練過程仰賴一個強力的 optimizer model 來生成編輯，這個模型本身要花錢呼叫 API。當 skill 訓練變成像跑 RL 那樣大規模時，這筆帳會怎麼算？
值得關注的發展：
- Claude Code、Codex 等主流 agent 平台是否會把 SkillOpt 整合進工作流程
- 學界與業界是否會出現針對特定領域（醫療、法律、金融）的「skill 市集」
- SkillOpt 的方法論能不能擴展到多模態 agent（視覺、語音）的技能訓練
- Microsoft 是否會把 SkillOpt 整合進 Copilot 產品線，或併入 Microsoft Agent Framework
給讀者的建議：
- 如果你是學生，動手 clone 一份 SkillOpt 跑跑看，這是理解 agent 訓練最快的方式
- 如果你寫過 prompt，試著把你最常用的 prompt 寫成 skill 檔，再用 SkillOpt 訓練看看會不會被改進
- 關注 GEPA、DSPy 等相關專案，理解「文字空間最佳化」這個正在成形的新典範
- 思考自己的工作中有哪些「流程性知識」可以被寫成 skill 檔案，這可能是未來最有價值的個人資產
參考資料
- microsoft/SkillOpt GitHub Repository - SkillOpt 官方 repo 與 README
- SkillOpt Project Page - Microsoft 官方專案頁面
- SkillOpt: Executive Strategy for Self-Evolving Agent Skills (arXiv:2605.23904) - SkillOpt 論文（Yifan Yang 等，2026）
- Microsoft SkillOpt 52 Out of 52 Wins 分析 - 第三方技術解析
- Voyager: An Open-Ended Embodied Agent (arXiv:2305.16291) - NVIDIA 的 Minecraft skill library 經典論文
- Reflexion: Language Agents with Verbal Reinforcement Learning (arXiv:2303.11366) - 口語強化學習開創之作
- TextGrad: Automatic Differentiation via Text (arXiv:2406.07496) - Stanford 的文字梯度框架
- GEPA: Reflective Prompt Evolution (arXiv:2507.19457) - 反思式提示演化，ICLR 2026 口頭論文
- Agent Workflow Memory (arXiv:2409.07429) - LLM agent 工作流程記憶研究
- DSPy: Stanford NLP 的 LLM 程式化框架 - 程式而非提示的 LLM 框架
- Anthropic Agent Skills 官方介紹 - Claude 平台的 agent skills 設計
留言討論