SkillOpt像训练神经网络一样优化skill

SkillOpt是一个用于自动化优化大语言模型Agent提示词的框架。将自然语言提示词的优化过程与深度学习中神经网络的训练过程进行了深度类比与映射。

1 深度学习的自然语言映射

在SkillOpt中，没有任何传统意义上的模型权重更新，所有的优化都作用于一个 Markdown 格式的文本文件（Skill Document）。框架巧妙地建立了一套完整的 DL 概念映射体系

2 核心代码目录与职责

代码库按照高内聚低耦合的原则组织，主要逻辑位于 skillopt/ 目录下：

• engine/trainer.py: 主训练循环引擎，串联整个 ReflACT (Rollout -> Reflect -> Aggregate -> Select ->
  Update -> Gate) 流程。

• gradient/: 梯度计算与处理模块。

  • reflect.py: 将失败的轨迹分批（Minibatch）送给 LLM
    进行错误分析，生成初始补丁（相当于计算局部梯度）。
  • aggregate.py: 使用多线程和 LLM 层级化合并（Hierarchical Merge）同批次的补丁（相当于梯度聚合）。

• optimizer/: 优化器模块，处理文档更新。

  • clip.py: 利用 LLM 对补丁进行重要性打分并截断，控制修改数量（梯度裁剪）。
  • skill.py / rewrite.py: 具体的文本更新执行器。前者通过直接的字符串操作（如
    replace）应用补丁，后者通过 LLM 整体重写。
  • slow_update.py / meta_skill.py: 负责 Epoch 级别的宏观策略更新与记忆机制。
  • scheduler.py: 学习率衰减策略（支持 constant, linear, cosine 等）。

• envs/: 环境适配层（Adapter）。

  • 提供了一套标准接口（如 alfworld, searchqa 等），负责数据集