南洋理工等：不需复杂流程实现skill自进化
Motivation
如何在不更新基础大模型权重的情况下，通过自动修改技能文档、提示词、工具说明和执行规则，让Agent在具体任务上持续变强。以往方法如SkillOpt会引入复杂机制，随着基础模型变强，这些复杂优化拓扑可能不是必要的，甚至会阻碍模型直接从执行日志中发现问题。

贡献：
提出SkillOpt-Lite，把每条Agent执行轨迹保存为独立文本文件，让优化器模型像代码助手一样用文件系统工具浏览日志、发现共性失败模式、直接编辑技能文件，再用独立验证集决定是否接受修改。其核心贡献是证明：Agent自进化的最小有效管线不是复杂反思树，而是“轨迹文件化 + 共性错误挖掘 + 独立验证门控”。

skill优化化为一种零阶优化：技能文件是待优化变量，Agent运行环境返回任务得分和执行日志，优化器不能对文本技能直接求梯度，只能根据运行反馈进行修改。作者进一步指出，技能优化与传统零阶优化的关键差异在于：传统零阶优化只能看到标量分数，而Agent rollout会产生可读的、语义丰富的执行轨迹，包括计划、失败步骤、环境状态和错误日志。因此，技能优化更像“程序编译与调试”，而不是盲目的黑盒搜索。

论文提出（1）不能过拟合单条失败轨迹，而要从多条轨迹中挖掘共性失败模式。（2）候选skill必须通过独立验证集筛选，不能在训练失败样本上自我确认。（3）随着基础模型变强，应减少人为设计的复杂拓扑，让模型直接查看原始日志和文件。

SkillOpt-Lite：每轮rollout后，将每条轨迹保存为单独文件；优化器用shell/list/read等工具浏览目录，选择高价值失败样本；它总结跨任务共性错误，并对技能文件做最小修改；最后在独立验证集上测试，提升则接受，否则拒绝。

论文还将这一思想扩展到HarnessOpt：优化目标不应局限于markdown技能，也可以修改Agent harness代码。

结论：
随着基础模型能力增强，Agent自进化不一定需要越来越复杂的反思拓扑。更有效的方向可能是把技能、轨迹、错误日志和harness都作为可读写文件，让模型以代码调试方式直接定位共性失败模式，并通过独立验证集约束过拟合。
LLM howto手搓skill skill 大模型 智能体开发 agent 智能体