SkillOpt: качалка для навыков от Microsoft

Промпт-инженеринг мёртв, fine-tuning дорог. Microsoft Research предложила третий путь: оптимизировать текст навыка агента как обучаемые параметры, не трогая саму модель.
Эпохи, батчи, learning rate, валидация - всё как в глубоком обучении, только в пространстве текста.

📋 Что получаем:
- Средний прирост +24.9pp на GPT-5.4-nano, +23.5pp на GPT-5.5 без единого изменения весов
- 52 из 52 конфигураций:
SkillOpt лучше или равен всем бейзлайнам (no-skill, human skill, LLM skill, TextGrad, GEPA, Trace2Skill)
- Перенос навыка между моделями (+15.2pp), харнесами (+31.8pp из Codex в Claude Code) и задачами
- На выходе - один файл best_skill.md, который можно версионировать, аудировать и деплоить

🔧 Как устроено:
Цикл напоминает обучение нейросети.
Rollout - target model выполняет задачи с текущим навыком, собирая траектории успешности.
Reflect - отдельный optimizer анализирует батчи удач и провалов.
Edit - предлагает ограниченные правки (add/delete/replace) в пределах бюджета - это текстовый learning rate, предотвращающий разрушительные переписывания.
Gate - правка принимается только если улучшает результат на отложенной выборке.
Rejected-буфер и slow update работают как память сессии, не давая оптимизатору повторять ошибки.

💡 Фишка:
Навык - не промпт, а внешний артефакт. SkillOpt превращает ad-hoc инструкции в систематически оптимизируемое процедурное знание.
Например GPT-5.4-nano как свой собственный оптимизатор даёт +10.4pp на SpreadsheetBench - цикл работает даже без сильного оптимизатора.

Код открыт: github.com/microsoft/SkillOpt, 804 звезды, есть WebUI для мониторинга.

💼 Зачем бизнесу:
Агентные системы часто застревают на ручной оптимизации промптов.
SkillOpt автоматизирует эволюцию: запустил цикл, получил best_skill.md, деплой.
Для Hermes Agent и аналогичных фреймворков навыки - центральный артефакт.
Перенос между моделями и харнесами означает, что один оптимизированный навык обслуживает несколько агентов без перенастройки.

Конкуренты: TextGrad, GEPA (Databricks/DSPy), Trace2Skill (Alibaba/Qwen). SkillOpt обходит всех по стабильности на 52 конфигурациях.

#SkillOpt #Microsoft #навыки #оптимизация
------
@tsingular