過去一周，AI 圈被微軟的一篇論文刷了屏，它叫 SkillOpt，火爆程度可以用數(shù)字說話：

開源代碼一周拿下三千多顆 GitHub 星，知名 AI 博主集體轉(zhuǎn)發(fā)，連一開始持懷疑態(tài)度的人，自己跑完實(shí)驗(yàn)后也改口說"結(jié)果令人震撼"。

所有人驚嘆的點(diǎn)幾乎是同一個(gè)：它能"像訓(xùn)練神經(jīng)網(wǎng)絡(luò)一樣訓(xùn)練 AI 的技能"，只靠優(yōu)化一份純文本文件，就能讓 GPT-5.5 的準(zhǔn)確率平均漲 23.5 分，而且不增加任何額外開銷。

但熱鬧之下，幾乎沒人追問一個(gè)更要命的問題：如果一份兩千字的文本文件，就能讓一個(gè)小模型反超比它大二十倍的大模型，那么這個(gè)行業(yè)里真正值錢的東西，是不是正在悄悄換人？

今天我們就一起看看SkillOpt帶來什么改變！

SkillOpt: Self-Improving Agent Skills Guide 2026 智能體Skil先是啥？

先補(bǔ)三個(gè)概念，后面才看得懂這件事的分量。

所謂"智能體技能（skill）"，你可以理解成給 AI 的一份崗位說明書，告訴它干某類活兒時(shí)該走哪些步驟、用哪些工具、避哪些坑。

過去，想讓 AI 把某件事干得更好，只有兩條老路。

一是"微調(diào)權(quán)重"：相當(dāng)于把模型送回工廠，重新打磨內(nèi)部那幾十億個(gè)參數(shù)，又貴、又是黑箱，而且換一個(gè)模型就得從頭再來。

二是"調(diào)提示詞"：靠人憑手感去改那段開場指令，不穩(wěn)定，也談不上方法。

SkillOpt 走了第三條路：把"崗位說明書"當(dāng)成一個(gè)可以訓(xùn)練的對(duì)象。

它讓一個(gè)優(yōu)化器模型反復(fù)指揮 AI 試做任務(wù)、分析成敗、對(duì)說明書做有限度的增刪改；每一次修改，只有在留出的驗(yàn)證集上分?jǐn)?shù)確實(shí)變高時(shí)才會(huì)被保留，否則一律打回。

幾輪下來，導(dǎo)出一份三百到兩千 token 的 best_skill.md，模型權(quán)重全程一動(dòng)不動(dòng)，被"訓(xùn)練"的，自始至終只是那份文檔。

SkillOpt 管道顯示了推出、反思、有界編輯、驗(yàn)證門、緩慢更新和元技能 真正反常的發(fā)現(xiàn)：一份文件讓小模型"越級(jí)"

如果只看"漲了多少分"，它不過是又一個(gè)調(diào)優(yōu)技巧。真正反常的，是這份文檔表現(xiàn)出的三個(gè)特征。

第一，它能讓小模型越級(jí)。 論文里，參數(shù)量不到主流大模型 5% 的 Qwen3.5-4B，加載優(yōu)化好的技能文件后，整體表現(xiàn)反超了無技能狀態(tài)下的 GPT-5.2；幾個(gè)更小的型號(hào)也都越過了上一檔模型的基線。

第二，它能搬家。 同一份技能文件，換到不同規(guī)模的模型上、從一個(gè)工具鏈（Codex）挪到另一個(gè)（Claude Code）、甚至遷移到相鄰的數(shù)學(xué)基準(zhǔn)上，依然保持正收益。

第三，它幾乎零成本。 訓(xùn)練結(jié)束后，剩下的就是一個(gè)靜態(tài)文件，部署時(shí)不增加一次額外的模型調(diào)用。

能越級(jí)、能搬家、能復(fù)用、還幾乎不花錢，SkillOpt 論文中分享了它帶來的實(shí)際提升：

表格類任務(wù)從 41.8 漲到 80.7、辦公文檔類從 33.1 漲到 72.1；本就接近滿分的問答（SearchQA）上，它也帶來了 9.6 分的提升。

在不同任務(wù)上的改進(jìn)效果 AI最重要的東西正在從"權(quán)重"搬到"技能"

過去幾年，AI 的價(jià)值幾乎全部沉淀在"模型權(quán)重"里。

誰的模型參數(shù)更多、訓(xùn)練數(shù)據(jù)更猛，誰就更強(qiáng)。這條護(hù)城河又深又貴：訓(xùn)練要燒掉天文數(shù)字的算力，換來的是一個(gè)沒人看得懂的黑箱，而且?guī)缀鯚o法遷移。

你沒辦法把一個(gè)模型的能力"拷"一份裝到另一個(gè)模型上。

SkillOpt 揭示了另一種可能：價(jià)值也可以沉淀在一個(gè)技能文件里。

資產(chǎn)形態(tài)一變，競爭的邏輯跟著變。

論文的副標(biāo)題：Executive Strategy（經(jīng)營策略），其實(shí)已經(jīng)在提示大家，該用"經(jīng)營資產(chǎn)"的眼光，而不是"調(diào)參技巧"的眼光，來看這件事。

首先，"堆大模型"不再是唯一解法。優(yōu)化出一份足夠好的技能文件，成了一條與"造更大模型"平行的路徑，對(duì)追不起算力軍備競賽的玩家，這是一條新縫隙。

其次，一個(gè)新的市場層正在浮現(xiàn)。 當(dāng)能力可以被寫進(jìn)一份可流通的文檔，專有的技能庫、可交易的 skill 文件、企業(yè)自己的"工藝秘方"，它就具備了變成商品和資產(chǎn)的前提。

過去大家認(rèn)為AI會(huì)讓護(hù)城河消失，SkillOpt告訴我們護(hù)城河只會(huì)轉(zhuǎn)移。

表面上，人人都能訓(xùn)練技能、小模型也能翻身；但實(shí)際上，掌握了獨(dú)家數(shù)據(jù)和驗(yàn)證環(huán)境的人會(huì)變得更強(qiáng)。一件看似平權(quán)的工具，完全可能帶來新的集中。

當(dāng)資產(chǎn)從權(quán)重變成文本

把鏡頭拉遠(yuǎn)，這件事對(duì)算力受限的玩家：開源社區(qū)、小模型團(tuán)隊(duì)，乃至中國的研究力量，其實(shí)都是利好。

它意味著，不靠無止境地堆顯卡，也能拿到穩(wěn)定、可遷移的能力增益。

而它留給所有人的真正啟示或許是：當(dāng) AI 的資產(chǎn)從"權(quán)重"變成"文本"，競爭的勝負(fù)手，也從"誰的模型更大"，悄悄變成了"誰更懂自己的活兒、并能把它清清楚楚地寫下來"。

說到底，SkillOpt 也好，把想法"寫下來"也好，最終都要落到同一件事上：你得真的動(dòng)手，把腦子里的東西變成能跑起來的產(chǎn)品。

真正握住這波紅利的人，往往就贏在"敢動(dòng)手"這三個(gè)字。

上手 AI 工具確實(shí)需要一點(diǎn)時(shí)間。如果你也想把腦子里的點(diǎn)子，親手變成一個(gè)能用的 App，歡迎加入「前哨 AI 小課」。

本周日的小課主題，正是「用 Codex 開發(fā) App」，Tina會(huì)帶你掌握AI工具的最佳實(shí)踐，從0到1掌握APP開發(fā)流程。

Tina開發(fā)的案例演示

這一講會(huì)講清楚三件事：

1. Codex 到底能干什么？ 它和你聽過的那些 AI 編程工具有什么不同，又適合拿來做哪類 App。

2. 從 0 到 1 搭一個(gè) App。 怎么把一個(gè)模糊的想法拆成清晰的需求，再讓 Codex 一步步把它實(shí)現(xiàn)出來。

3. 一個(gè)能直接抄走的完整案例。 不是 demo，而是從需求到上線的真實(shí)工作流。

當(dāng)寫代碼不再是壁壘，真正稀缺的，是"把自己的活兒講清楚、并讓 AI 替你做出來"的能力。

這周日，我們就從一個(gè) App 開始。