把 AI 智能体当员工，把「技能」当训练手册——SkillOpt / SkillGrad 让技能像参数一样被训练录把 AI 智能体当员工，把「技能」当训练手册——SkillOpt / SkillGrad 让技能像参数一样被训练@[TOC]( 录 )一、什么是「技能」（Agent Skill）？关键设计：三级渐进披露（Progressive Disclosure）技能 ≠ 工具（Tool）≠ 提示词（Prompt）二、技能有什么用？为什么必要？三、技能怎么自动优化？——从"手写 prompt"到"训练 skill"的范式跃迁① SkillOpt（Microsoft Research，2026-05）② SkillGrad（Wang et al., 2026-06）SkillOpt vs SkillGrad 一图流四、开源包一览五、工作流举例：用 SkillGrad 训练一份 xxxx VOC 技能步骤 0 · 准备数据集步骤 1 · 一次 iteration 的 4 个 LLM 调用▶ Call 1 · **Executor**（前向传播）▶ Call 2 · **Diagnoser**（backward / 文本梯度）▶ Call 3 · **Momentum Agent**（动量累积）▶ Call 4 · **Patcher**（layer-aware 参数更新）步骤 2 · **Validation Gate**（早停 / 拒绝）步骤 3 · Epoch 结束：Slow/Meta 更新步骤 4 · 部署训练一次要几百个 LLM 调用吗？六、优势总结（决策者视角）七、一句话收尾参考链接（可直接点开）一、什么是「技能」（Agent Skill）？技能 = 一个装着SKILL.md的文件夹——里面写着"遇到 X 类任务时该怎么办、按什么步骤、用哪几个脚本"。它是 Anthropic 2025-10 首次落地、2025-12 开源，随后 Microsoft/Google 全线采纳的开放规范（agentskills.io）。一个最小技能长这样：xxxx_voc_online/ ├── SKILL.md # 唯一必需：YAML 元数据 + 过程知识 ├── scripts/ # 可选：可执行代码 │ ├── download_source.py │ ├── run_report.py │ ├── gen_profiles.py │ └── write_manifest.py ├── profiles/ # 可选：数据/配置 │ ├── xxxx_us_weekly.json │ └── xxxx_us_monthly.json └── requirements.txtSKILL.md头部：--- name: