GitHub-радар
SkillOpt от Microsoft: обучение навыков для LLM-агентов
SkillOpt из Microsoft Research автоматически улучшает текстовые инструкции для агентов — Claude Code становится точнее на 19 очков, Codex на 25, без изменений в самой модели.
SkillOpt от Microsoft Research (июль 2026, 16k звёзд) позволяет тренировать текстовые описания скиллов (файлы SKILL.md) для LLM-агентов. Делает это через итеративный процесс оптимизации: оптимизатор оценивает прогоны агента на тестовых задачах и вносит в скиллы небольшие правки (добавления, удаления, замены), следя за тем, чтобы эти изменения проходили проверку на отложенной выборке. В конце оптимизации получаешь итоговый файл best_skill.md на 300–2,000 токенов, который можно использовать с Claude Code, Codex или любым другим обвязчиком для скиллов. На их бенчмарках этот метод даёт прирост +19.1 балла в Claude Code, +24.8 балла в Codex и +23.5 балла в прямых чатах с GPT-5.5. Поддерживаются backend'ы OpenAI, Azure, Claude, Qwen и MiniMax. Ещё есть SkillOpt-Sleep — он даёт агенту самому «эволюционировать» ночью — и веб-интерфейс для отслеживания прогресса.
Зачем это вайб-кодеру
Если твой агент склонен повторять одни и те же ошибки, SkillOpt это заметит и подправит описание скилла так, чтобы агент перестал их допускать. То есть больше не придётся вручную подкручивать промпты! Рост точности на 20 баллов значит, что тебе придётся реже перезапускать агента и меньше времени тратить на проверку результатов.
Как поставить
Скопируйте и отправьте своему агенту — Claude Code, Codex, любому:
Используй SkillOpt отсюда: https://github.com/microsoft/SkillOpt — установи через `pip install skillopt`, запусти оптимизатор на нужном SKILL.md-файле, сгенерируй best_skill.md и покажи мне, что изменилось. Ключ от модели у меня есть, спроси если нужен.
Запустится на обычном ноутбуке — нужен Python 3.10 и ключ от языковой модели.
Открыть на GitHub▌ Ещё находки