产品
SkillOpt
开源项目，为AI智能体的技能构建训练闭环，借鉴机器学习训练循环范式，将智能体技能优化做成可循环、可评估的工程流程，无需微调底层模型权重
核心事实
时间轴 (近 90 天)
10月20日
EvoSkill v2 的进化器每获得一个百分点的留出集通过率提升，所花费的成本都低于 SkillOpt 和 SkillBoost 的优化器。
待验证50%
9月24日
SkillOpt 不去微调底层模型权重，而是围绕技能的定义、调用与表现建立可迭代优化的闭环
已验证75%
9月24日
SkillOpt 在 Hacker News 上的讨论度有限，仅有个位数的投票与少量评论
已过期60%
9月24日
SkillOpt 是一个开源项目，核心思路是为 AI 智能体的技能构建一套完整的训练循环
待验证50%
9月24日
将智能体技能优化做成可循环、可评估的工程流程有助于提升可复现性和可度量性，成本更低、迭代更快，且不依赖对基础模型的重新训练
待验证50%
9月24日
SkillOpt 作为早期开源项目，社区反馈和实际落地案例都较少，实际效果和成熟度尚待验证
已过期50%
9月24日
SkillOpt 将训练循环中的"参数更新"替换为对技能定义的修改，将"损失函数"替换为面向任务的评估指标
待验证50%
全部知识事实 (5)
已验证
SkillOpt 不去微调底层模型权重，而是围绕技能的定义、调用与表现建立可迭代优化的闭环
75%待验证EvoSkill v2 的进化器每获得一个百分点的留出集通过率提升，所花费的成本都低于 SkillOpt 和 SkillBoost 的优化器。
50%待验证SkillOpt 是一个开源项目，核心思路是为 AI 智能体的技能构建一套完整的训练循环
50%待验证SkillOpt 将训练循环中的"参数更新"替换为对技能定义的修改，将"损失函数"替换为面向任务的评估指标
50%待验证将智能体技能优化做成可循环、可评估的工程流程有助于提升可复现性和可度量性，成本更低、迭代更快，且不依赖对基础模型的重新训练
50%