8 月初（北京时间），MarkTechPost 报道了一项来自 Microsoft + 上海交大 + 同济 + 复旦联合团队的工作 SkillOpt。论文已经被吸收进 arXiv（编号 2605.23904），GitHub 仓库 microsoft/SkillOpt 同步公开，PyPI 上 skillopt 包也已经发布。这项工作切的是 Agent 工具链目前最大的一个真问题：优化好的 skill 文档，能不能跨模型、跨工具链搬走？
答案现在有了——而且答案比大多数人预想的更激进：能搬，而且在某些情况下，搬过去的 skill 比目标工具链自己训练的 skill 得分还高。
先说 SkillOpt 在做什么。它是一种文本空间优化器：训练一个自然语言形式的 skill 文档（一个 Markdown 文件，379 到 1,995 tokens 不等），目标模型在优化期间始终冻结。优化器模型读带评分的 rollouts，给出有界的 add/delete/replace 编辑建议；一个保留的 selection split 只在分数严格提升时才接受编辑。最终导出的工件就是单一文件 best_skill.md。
听起来像 TextGrad、GEPA、EvoSkill、Trace2Skill 这些「用 LLM 优化 LLM 提示词」的常规思路？关键差异在导出形态。所有这些工作之前导出的都是「参数化的 skill」或「嵌入到 prompt 里的指令」；SkillOpt 导出的是人可读的 markdown 文件，每个编辑都会留下 edit_apply_report.json（包含 per-edit accept/skip 状态），最终用户可以在几分钟内通读整个 skill，理解「为什么这个 skill 有效」。换句话说，这是把整个训练产物退回到 Git diff 的可审计形态——不是 fine-tune 的权重，不是 prompt template，是真正可以走 PR review 的资产。
但 SkillOpt 真正爆点不是「能导出可读 skill」，而是「这个 skill 能跨 harness 搬」。论文报告了三组迁移实验，每组都有一致的「baseline / direct / transferred」三列定义：baseline 是目标的无 skill 分数，direct 是在目标上就地训练，transferred 是把别处训练好的 skill 直接搬过来用、零额外优化。真正有意义的是「transferred 与 direct 的比值」——跨工具链搬过来的 skill，到底保留了多少在原产地挣到的增益。
跨模型规模迁移（同 GPT-5.4 家族内）数据很有意思。SpreadsheetBench 在 GPT-5.4-mini 上：baseline 36.1、direct 47.5、transferred 45.5——保留了 in-domain gain 的 82%（+9.4 分对 +11.4 分）。但在 GPT-5.4-nano 上，同一基准只保留了 16%（+3.0 对 +19.0）。另一组 LiveMath 数据更反常：GPT-5.4-nano 上 transferred 28.8 甚至高于 direct 的 27.2——论文把这个解释为「部分学习到的程序对目标模型无关」。但 GPT-5.4-nano 上 SpreadsheetBench 的 16% 那一行，论文明确承认保留度不均匀，没有宣称统一可保留。范围限定很重要：所有 4 行都还在一个 GPT 家族内，跨家族（比如 GPT 到 Qwen3.5）没有测试。
跨 harness 迁移（同 GPT-5.5）数据是真正的杀手锏——也是 SkillOpt 的存在意义。SpreadsheetBench 上，从 Codex 优化出来的 skill 搬到 Claude Code：baseline 22.1、direct 80.4（Claude Code 自行训练）、transferred 81.8（搬过来的）——transferred 比 direct 还高 1.4 分。这意味着 SkillOpt 在 Codex 这一侧训练出来的 skill，搬到 Claude Code 后跑出了比 Claude Code 自己训练 skill 还高的分数。
但 LiveMath 上的对照实验立刻把故事复杂化了：Codex → Claude Code 这一方向 transferred 42.4 vs direct 56.5，只保留了 in-domain gain 的 10%；反过来 Claude Code → Codex：transferred 48.0 vs direct 78.4，保留 30%。Asymmetry is the data point——这种不对称的迁移表现告诉我们，可迁移的是「程序性 skill」（如何检视、如何验证、如何格式化），而「推理密集型 skill」更绑定训练它的环境。
论文给出的解释很干净：SpreadsheetBench 的 skill 可迁移性来自「工作簿级程序」——先检视工作簿结构和公式，再写评估过的静态值而不是依赖 Excel 重算。这些程序不依赖具体的 CLI 工具就能成立。但 LiveMath 那类推理密集型 skill，绑定的是 Codex 或 Claude Code 的具体环境特征（比如工具响应格式、文件系统组织），搬过去就丢。
跨基准迁移（同模型内）的数据是「存在但小」。OlympiadBench 训练的 skill 搬到 Omni-MATH，GPT-5.4：transferred 60.3 vs baseline 56.6（+3.7）；GPT-5.4-mini：36.6 vs 34.8（+1.8）；GPT-5.4-nano：40.1 vs 38.8（+1.3）。这里没有 direct 列——论文没有在 Omni-MATH 上做 in-domain 训练，所以对比只是「相对 baseline」。但全 3 行都正增益、且都在数学领域不同 instance/答案格式下保留，说明 skill 里确实有「可复用的数学程序」沉淀了下来。
「为什么这个工件能搬」这层论文讲得很直白。三种执行模式（直接 chat、Codex、Claude Code）都消费同一个 best_skill.md 文件格式。Codex harness 把当前 skill 渲染成 per-task 的 SKILL.md 跟任务文件放一起，再读回一个紧凑的执行轨迹；Claude Code 通过 claude CLI 镜像同一个 workspace contract。两边都没拿到任何定制的 skill 格式——是这个 shared contract 让跨 harness 实验有可能。
训练成本 是另一个被低估的卖点。论文报告 0.6M 到 46.4M 训练 tokens per absolute test point，SpreadsheetBench 0.6M/point，DocVQA 46.4M/point。优化器模型只在训练期跑，部署期零推理成本调用。如果一个 skill 训练在一个 harness 上能搬到另一个 harness，这笔一次性的成本就摊到了多个环境上。Codex → Claude Code 那个 SpreadsheetBench 的 81.8 就是存在性证明——同时也意味着「可以在工具最便宜的地方优化，在产品落地的地方部署」。
跟 Agent 工具链的现存路径放一起看，SkillOpt 占了「跨 harness 可迁移」这条没人占的格子： – Anthropic Skills / Agent Plugins 1.0.0（我们 08-08 入选过）走的是「schema + plugin.json 标准化」路径，6 家维护者把 Skills/MCP/Tools 打包成可移植单元——是协议层可移植。 – Microsoft SkillOpt 走的是「文本空间优化 + 跨模型跨 harness 经验迁移」路径——是经验层可移植。 – Prime Agent / Continual Harness（我们今天另外入选的一条）走的是「harness 自己 CRUD 自己」的路径——是自适应层可移植。
这三层加在一起，才是 2026 H2 Agent 工具链完整的图景：协议让 skill 能装（Agent Plugins）、经验让 skill 值得装（SkillOpt）、自适应让 skill 能进化（Continual Harness）。
值得停下来想的是审计/合规角度。部署的工件是一个文本文件，领域专家几分钟内能读完；每个编辑都可追溯（edit_apply_report.json）。这跟 fine-tune 权重形成鲜明对比——后者是无法审计的黑盒。可移植 + 可审计 是一种完全不同的运维姿态，特别是对企业用户。这是 SkillOpt 在 PR 标题里没说、但实际可能是最大的卖点。
来源（按权威度排序）： – 论文：https://arxiv.org/abs/2605.23904 – GitHub 仓库：https://github.com/microsoft/SkillOpt – 项目主页：https://microsoft.github.io/SkillOpt/ – 文档：https://github.com/microsoft/SkillOpt/blob/main/docs/index.md – PyPI 包：https://pypi.org/project/skillopt/ – Demo 视频：https://youtu.be/JUBMDTCiM0M – MarkTechPost 深度报道：https://www.marktechpost.com/2026/08/05/microsoft-skillopt-agent-skill-transfer-portability – 对比基线：GEPA（https://arxiv.org/abs/2507.19457）、TextGrad（https://arxiv.org/abs/2406.07496）、EvoSkill（https://arxiv.org/abs/2603.02766）、Trace2Skill（https://arxiv.org/abs/2603.25158） – 引用基准：SpreadsheetBench（https://arxiv.org/abs/2406.14991）、LiveMathematicianBench（https://arxiv.org/abs/2604.01754）、DocVQA（https://arxiv.org/abs/2007.00398）
几个还看不清的地方： – 跨家族迁移（GPT 到 Qwen、Claude 到 Llama）论文没测，6 家维护者 Agent Plugins 1.0.0 的「统一协议」是否能真正被跨厂商 skill 享受，SkillOpt 这边尚未给出答案 – Codex → Claude Code 的 81.8 是论文自己报告的数字，外部复现成本（端到端跑一次 SpreadsheetBench）需要 0.6M/point × 多次 rollback，工程团队目前没有公开的「复现指南」 – 「LiveMath 推理密集型 skill 跨 harness 迁移只有 10% 保留度」这件事的根因（是工具调用格式问题，还是 harness 内 prompt 结构问题）论文没拆开，是后续工作的方向 – SkillOpt 与 Agent Plugins 1.0.0 的「最优组合」（用 SkillOpt 训练 → 用 Agent Plugins 分发）目前没有官方整合路径 – Anthropic Claude Skills 系统作为对比基线没出现在论文里——是不是双方在「skill 跨工具链」这件事上有合作或竞争关系，目前没有信号
一句话判断：SkillOpt 给出了 AI coding 工具链的第一份硬证据——「一份 best_skill.md 在 Codex 和 Claude Code 之间搬着走，且跑分比原产地还高」。这意味着 Agent 工具链的竞争不再只是「谁的 harness 更好」，还包括「谁的 skill 能被搬走、被搬走之后还能工作」——而 SkillOpt 现在是这个维度上唯一可验证的存在。