SkillOpt：從 README、命令到採用邊界的實務解析

SkillOpt：SkillOpt-Sleep：一個預覽配套工具

README 首先介紹 SkillOpt-Sleep，這是一個處於早期預覽階段的部署期配套工具，它將 SkillOpt 的驗證閘控編輯紀律應用於使用者自己的日常使用。倉庫本身 microsoft/SkillOpt 在元資料中被描述為一個文字空間最佳化器，透過軌跡驅動的編輯、驗證閘控的更新和可部署的 best_skill.md 工件，為凍結的 LLM 代理訓練可重複使用的自然語言技能。SkillOpt-Sleep 不需要權重訓練，也不會給普通代理請求增加額外的最佳化迴圈。引擎位於頂層 skillopt_sleep/ 套件中，與論文的 skillopt/ 程式碼零依賴；驗證閘控是內建的。README 警告說這是早期預覽，介面和預設值可能變化。

SkillOpt：一個夜晚的睡眠週期

一次夜間執行包含一條管線：從 Claude Code、Codex、VS Code Copilot、Cursor 或 Pi 收割會話記錄；挖掘重複任務；透過配置的後端重放這些任務；透過反思和有界的編輯進行整合；在真實的留出任務上執行驗證閘控；將提案暫存供使用者採納。該設計綜合了 SkillOpt 的驗證閘控有界文字編輯、Claude Dreams 的離線整合與先審查後採納步驟，以及 agent-sleep 將短期經驗轉化為長期能力的思想。dry-run 變體只收割、挖掘和重放，不暫存任何內容，mock 和 handoff 後端不發起網路呼叫。

SkillOpt：資料邊界與證據日誌

收割是本地且唯讀的。mock 後端不呼叫任何供應商，handoff 後端也不聯網。真實後端會向您選擇的供應商傳送收割會話和派生任務的截斷摘錄，用於挖掘、重放、評判和反思，目前不保證出站提示不含機密。Cursor 來源讀取本地使用者和助手訊息文字、顯式輪次錯誤和工具名稱，但排除工具參數、工具輸出和非訊息記錄；已知的密鑰形狀字串會被編校，這屬於縱深防禦。VS Code Copilot 來源讀取使用者輸入的提示、可見的助手 Markdown 和工具名稱，排除系統通知、推理、工具輸入輸出和帳戶元資料。Pi 來源保留使用者和助手文字、工具名稱和詞彙回饋，排除思考、工具參數、工具輸出、影像和無關元資料。有狀態的夜晚還會寫入 evidence.jsonl，包含盡力編校的提示和回覆副本，除非設定 "evidence_log": false。

SkillOpt：安裝並執行 CLI

最快的路徑是 pip：pip install skillopt 會安裝引擎和 skillopt-sleep 命令。CLI 提供 dry-run、run、status、adopt 和 schedule 子命令，其中 run 是完整的夜間週期，將提案暫存供審查，schedule 為專案安裝夜間 cron 條目。README 說明 PyPI 0.2.0 提供這些基礎命令，而 Cursor 來源和後端支援、VS Code Copilot 會話收割、Pi 支援、Sleep handoff、非 Azure 的 OpenAI 相容端點和 --preferences 標誌是後來加入的，在下一個版本釋出前需要從 main 分支原始碼安裝。

SkillOpt：圍繞一個引擎的薄代理外殼

Claude Code、Codex、Cursor、Copilot 和 Devin 透過 plugins/ 下的薄代理外殼包裝共享引擎，OpenClaw 是獨立的參考改編，有自己的安裝方式。Claude Code 使用外掛市場命令，Codex 使用安裝指令碼暴露 skillopt-sleep 技能，Cursor 使用安裝指令碼和斜線命令，Copilot 和 Devin 各自註冊一個 MCP 伺服器。Cursor 後端需要已安裝且已認證的 cursor-agent，可透過 --cursor-path、環境變數或配置鍵選擇，由於普通 Cursor 呼叫無法檢查專案檔案，它評估的是文字指導而非端到端的倉庫工作流。Cursor 的感知工具重放暫時停用，等待權限邊界驗證。VS Code Copilot 來源自動偵測 stable 和 Insiders 的 workspaceStorage 根目錄，並提供覆蓋標誌；Pi 來源和後端相互獨立，Pi 永遠不會被隱式選中。

SkillOpt：可選整合旋鈕

兩個整合機制預設關閉，README 說明除非啟用它們，否則行為不變。dream_rollouts 預設值為 1，將每個任務執行 K 次，從好與壞執行的對比中學習。recall_k 預設值為 0，從持久化存檔中提取 K 個最相似的過去任務加入今晚的夢。dream_factor 預設值為 0，為每個任務新增 N 個輕量級合成變體。驗證閘控仍然控制什麼能上線，因此只有在任務具有清晰正確性訊號時，這些旋鈕才會加強夜間更新。

SkillOpt：測量結果與其明確說明的局限

README 報告的受控實驗配方不是發佈版 CLI 的預設值：5 個夜晚，每晚 10 個新的真實任務，完整的留出測試集在夜晚 1 之前和夜晚 5 之後分別評分，最佳化器為 GPT-5.5，單一隨機種子。在 gbrain-evals skillopt-v1 上，有缺陷的種子技能在 Claude Code 和 Codex 兩種目標代理上的留出集成績從 0.00 變為 1.00。在 SearchQA 上，1400 個留出專案採用精確匹配評分，recall_k=20 帶來 +4.5 個百分點，增益隨回憶的相關過去經驗量單調上升。在 SpreadsheetBench 上，280 個留出專案的結果是 +3.6 個百分點。README 明確表示，這些增益只在任務重複出現且具有可檢查正確性訊號時成立；在飽和或嘈雜的基準上，效果在執行間雜訊範圍內是平的，單種子基線變異約為 ±1-2 個百分點。它建議保持驗證閘控開啟。

SkillOpt 的版本與驗證記錄

請以 SkillOpt 的 README、專案目錄與 release 標籤作為核對起點。先執行來源明列的安裝或建置命令，再觀察實際產物、錯誤訊息、設定檔與輸出是否符合預期；若使用 v0.2.0，應把這個版本和環境一併記下。README 未說明的相容性、效能與安全結果，不能由專案描述推定。 SkillOpt 的具體價值在於把 README 已列出的元件、流程與限制放在同一條可追溯路徑中。這篇文章不把 star、fork 或宣傳語當成品質證明，也不替文件未提及的行為補上保證。選型時要對照自己的執行環境、輸入資料、權限和產物要求，確認哪一段流程真的能在團隊的工作目錄中成立。 SkillOpt 的具體價值在於把 README 已列出的元件、流程與限制放在同一條可追溯路徑中。這篇文章不把 star、fork 或宣傳語當成品質證明，也不替文件未提及的行為補上保證。選型時要對照自己的執行環境、輸入資料、權限和產物要求，確認哪一段流程真的能在團隊的工作目錄中成立。 SkillOpt 的具體價值在於把 README 已列出的元件、流程與限制放在同一條可追溯路徑中。這篇文章不把 star、fork 或宣傳語當成品質證明，也不替文件未提及的行為補上保證。選型時要對照自己的執行環境、輸入資料、權限和產物要求，確認哪一段流程真的能在團隊的工作目錄中成立。 SkillOpt 的具體價值在於把 README 已列出的元件、流程與限制放在同一條可追溯路徑中。這篇文章不把 star、fork 或宣傳語當成品質證明，也不替文件未提及的行為補上保證。選型時要對照自己的執行環境、輸入資料、權限和產物要求，確認哪一段流程真的能在團隊的工作目錄中成立。

編輯結論

適合需要把代理技能文件當成可訓練狀態，以 rollout、反思、驗證閘門和 best_skill.md 形成可部署的文字最佳化流程。的開發者與維運團隊；不適合把 README 當成完整生產保證的情境。先依 SkillOpt 的專屬命令、文件路徑與版本輸出驗證關鍵流程，再決定是否納入正式系統。

官方來源

1. Official documentation
2. Official README
3. Project repository
4. Release notes