如何快速上手SkillOpt从pip安装到配置API密钥的完整指南新手友好【免费下载链接】SkillOptSkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts.项目地址: https://gitcode.com/gh_mirrors/sk/SkillOptSkillOpt是一个面向冻结 LLM 智能体的文本空间技能优化器它不改动模型权重而是把一份自然语言best_skill.md技能文档当作可训练参数通过轨迹驱动编辑和验证门控自动迭代优化最终产出可直接部署的技能文件。本指南将带你从零开始完成 pip 安装 SkillOpt、配置 API 密钥、并跑通第一次技能训练全程对新手友好。 为什么 SkillOpt 值得学传统做法里智能体技能要么靠人工编写要么靠大模型一次性生成质量全靠运气。SkillOpt 用训练神经网络的纪律来优化技能深度学习SkillOpt 对应模型权重技能文档Markdown梯度轨迹反思生成的编辑补丁梯度裁剪 / 学习率每步最大编辑数edit budget验证集留出验证门控validation gateEpoch多轮训练 慢更新与元技能记忆只有当候选编辑在留出验证集上严格提升分数时才会被接受训练部署后还零额外推理开销。1️⃣ 一键安装步骤pip install skillopt环境要求很简单Python ≥ 3.10以及一个可用的模型后端API、本地服务或已安装的执行 CLI。方式一从 PyPI 安装推荐新手python -m pip install skillopt安装完成后你会得到三个命令行工具命令用途skillopt-train训练技能文档skillopt-eval评估技能文档skillopt-sleep夜间离线自进化引擎SkillOpt-Sleep方式二源码安装跑内置基准评测需要PyPI 的 wheel 不包含仓库里的基准配置与数据物化脚本因此要复现论文实验或跑内置的 6 个基准SearchQA、DocVQA、ALFWorld 等请从源码安装git clone https://gitcode.com/gh_mirrors/sk/SkillOpt cd SkillOpt python -m pip install -e .[searchqa]如需其他功能可加可选依赖.[webui]图形化监控面板、.[qwen]、.[claude]、.[alfworld]等。验证安装是否成功python -c import skillopt; print(SkillOpt ready!) skillopt-train --help看到SkillOpt ready!和帮助信息说明安装成功 ✅2️⃣ 最快配置 API 密钥的方法SkillOpt 支持 Azure OpenAI、OpenAI 兼容接口、Claude Code CLI、Qwen、MiniMax 等多种后端详见 配置指南。你只需要配置打算使用的那一个后端。步骤 1复制环境变量模板源码仓库自带模板 .env.example复制并编辑cp .env.example .env注意SkillOpt 不会自动加载.env运行前需要先导出到当前 shellset -a source .env set a步骤 2按后端填写密钥三选一 Azure OpenAIopenai_chat后端—— 最小配置AZURE_OPENAI_ENDPOINThttps://your-resource.openai.azure.com/ AZURE_OPENAI_API_VERSION2024-12-01-preview AZURE_OPENAI_API_KEYyour-key AZURE_OPENAI_AUTH_MODEapi_key 任意 OpenAI 兼容接口openai_compatible后端最通用OPENAI_COMPATIBLE_BASE_URLhttps://api.deepseek.com/v1 OPENAI_COMPATIBLE_API_KEYsk-... OPENAI_COMPATIBLE_MODELdeepseek-chat Claude Code CLIclaude_chat后端先单独安装并登录claudeCLI再按需设置ANTHROPIC_API_KEY。 提示optimizer_backend负责反思与编辑技能和target_backend负责执行任务是两个独立角色可以在 configs/base/default.yaml 中分别指定不同模型例如用强模型当优化器、便宜模型当执行器。3️⃣ 跑通第一次实验以 SearchQA 为例新手建议从最简单的纯文本基准SearchQA开始完整流程见 首次实验指南# 1. 物化数据集仓库自带 ID 清单一条命令生成可运行数据 python scripts/materialize_searchqa.py # 2. 开始训练 python scripts/train.py \ --config configs/searchqa/default.yaml \ --out_root outputs/searchqa_first_run # 3. 在留出集上评估最佳技能 python scripts/eval_only.py \ --config configs/searchqa/default.yaml \ --skill outputs/searchqa_first_run/best_skill.md \ --split valid_unseen关键超参数带深度学习类比参考 configs/searchqa/default.yamltrain: num_epochs: 4 # epoch 数 batch_size: 40 # 每步任务数 optimizer: learning_rate: 4 # 每步最多编辑 4 处编辑预算 lr_scheduler: cosine evaluation: use_gate: true # 启用验证门控训练输出目录结构一目了然最终交付物就是best_skill.md通常仅 300–2000 tokensoutputs/searchqa_first_run/ ├── best_skill.md # ✅ 可部署的最佳技能 ├── skills/ # 每步候选技能版本 ├── steps/ # 每步编辑与轨迹摘要 └── history.json # 完整训练历史喜欢图形界面执行pip install -e .[webui]后运行python -m skillopt_webui.app打开http://localhost:7860即可在浏览器里配置参数、启动并监控训练源码见 skillopt_webui/。 延伸学习安装与环境变量详解完整配置参考理解训练循环深度学习类比说明训练产出的真实技能示例ckpt/searchqa/gpt5.5_skill.md❓ 新手常见问题Q没有 Azure 账号能用吗可以。任何实现 OpenAI Chat Completions 协议的接口DeepSeek、本地 vLLM 等都能通过openai_compatible后端接入只需在 .env.example 中取消对应注释。QPyPI 版本和源码版有什么区别当前 PyPI 发布版为 v0.2.0openai_compatible通用后端、Sleep 多技能等新特性需从源码安装main分支获取。Q训练会修改我的模型吗不会。SkillOpt 优化的是技能文档这个文本参数目标模型始终冻结不变部署时零额外模型调用。总结pip install skillopt→ 复制.env填入一个后端的 API 密钥 → 物化 SearchQA 数据 → 一条train.py命令训练 → 收获可部署的best_skill.md。整个过程不需要任何模型微调经验把写提示词升级为训练技能就这么简单 【免费下载链接】SkillOptSkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts.项目地址: https://gitcode.com/gh_mirrors/sk/SkillOpt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 如何快速上手SkillOpt：从pip安装到配置API密钥的完整指南（新手友好）
如何快速上手SkillOpt从pip安装到配置API密钥的完整指南新手友好【免费下载链接】SkillOptSkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts.项目地址: https://gitcode.com/gh_mirrors/sk/SkillOptSkillOpt是一个面向冻结 LLM 智能体的文本空间技能优化器它不改动模型权重而是把一份自然语言best_skill.md技能文档当作可训练参数通过轨迹驱动编辑和验证门控自动迭代优化最终产出可直接部署的技能文件。本指南将带你从零开始完成 pip 安装 SkillOpt、配置 API 密钥、并跑通第一次技能训练全程对新手友好。 为什么 SkillOpt 值得学传统做法里智能体技能要么靠人工编写要么靠大模型一次性生成质量全靠运气。SkillOpt 用训练神经网络的纪律来优化技能深度学习SkillOpt 对应模型权重技能文档Markdown梯度轨迹反思生成的编辑补丁梯度裁剪 / 学习率每步最大编辑数edit budget验证集留出验证门控validation gateEpoch多轮训练 慢更新与元技能记忆只有当候选编辑在留出验证集上严格提升分数时才会被接受训练部署后还零额外推理开销。1️⃣ 一键安装步骤pip install skillopt环境要求很简单Python ≥ 3.10以及一个可用的模型后端API、本地服务或已安装的执行 CLI。方式一从 PyPI 安装推荐新手python -m pip install skillopt安装完成后你会得到三个命令行工具命令用途skillopt-train训练技能文档skillopt-eval评估技能文档skillopt-sleep夜间离线自进化引擎SkillOpt-Sleep方式二源码安装跑内置基准评测需要PyPI 的 wheel 不包含仓库里的基准配置与数据物化脚本因此要复现论文实验或跑内置的 6 个基准SearchQA、DocVQA、ALFWorld 等请从源码安装git clone https://gitcode.com/gh_mirrors/sk/SkillOpt cd SkillOpt python -m pip install -e .[searchqa]如需其他功能可加可选依赖.[webui]图形化监控面板、.[qwen]、.[claude]、.[alfworld]等。验证安装是否成功python -c import skillopt; print(SkillOpt ready!) skillopt-train --help看到SkillOpt ready!和帮助信息说明安装成功 ✅2️⃣ 最快配置 API 密钥的方法SkillOpt 支持 Azure OpenAI、OpenAI 兼容接口、Claude Code CLI、Qwen、MiniMax 等多种后端详见 配置指南。你只需要配置打算使用的那一个后端。步骤 1复制环境变量模板源码仓库自带模板 .env.example复制并编辑cp .env.example .env注意SkillOpt 不会自动加载.env运行前需要先导出到当前 shellset -a source .env set a步骤 2按后端填写密钥三选一 Azure OpenAIopenai_chat后端—— 最小配置AZURE_OPENAI_ENDPOINThttps://your-resource.openai.azure.com/ AZURE_OPENAI_API_VERSION2024-12-01-preview AZURE_OPENAI_API_KEYyour-key AZURE_OPENAI_AUTH_MODEapi_key 任意 OpenAI 兼容接口openai_compatible后端最通用OPENAI_COMPATIBLE_BASE_URLhttps://api.deepseek.com/v1 OPENAI_COMPATIBLE_API_KEYsk-... OPENAI_COMPATIBLE_MODELdeepseek-chat Claude Code CLIclaude_chat后端先单独安装并登录claudeCLI再按需设置ANTHROPIC_API_KEY。 提示optimizer_backend负责反思与编辑技能和target_backend负责执行任务是两个独立角色可以在 configs/base/default.yaml 中分别指定不同模型例如用强模型当优化器、便宜模型当执行器。3️⃣ 跑通第一次实验以 SearchQA 为例新手建议从最简单的纯文本基准SearchQA开始完整流程见 首次实验指南# 1. 物化数据集仓库自带 ID 清单一条命令生成可运行数据 python scripts/materialize_searchqa.py # 2. 开始训练 python scripts/train.py \ --config configs/searchqa/default.yaml \ --out_root outputs/searchqa_first_run # 3. 在留出集上评估最佳技能 python scripts/eval_only.py \ --config configs/searchqa/default.yaml \ --skill outputs/searchqa_first_run/best_skill.md \ --split valid_unseen关键超参数带深度学习类比参考 configs/searchqa/default.yamltrain: num_epochs: 4 # epoch 数 batch_size: 40 # 每步任务数 optimizer: learning_rate: 4 # 每步最多编辑 4 处编辑预算 lr_scheduler: cosine evaluation: use_gate: true # 启用验证门控训练输出目录结构一目了然最终交付物就是best_skill.md通常仅 300–2000 tokensoutputs/searchqa_first_run/ ├── best_skill.md # ✅ 可部署的最佳技能 ├── skills/ # 每步候选技能版本 ├── steps/ # 每步编辑与轨迹摘要 └── history.json # 完整训练历史喜欢图形界面执行pip install -e .[webui]后运行python -m skillopt_webui.app打开http://localhost:7860即可在浏览器里配置参数、启动并监控训练源码见 skillopt_webui/。 延伸学习安装与环境变量详解完整配置参考理解训练循环深度学习类比说明训练产出的真实技能示例ckpt/searchqa/gpt5.5_skill.md❓ 新手常见问题Q没有 Azure 账号能用吗可以。任何实现 OpenAI Chat Completions 协议的接口DeepSeek、本地 vLLM 等都能通过openai_compatible后端接入只需在 .env.example 中取消对应注释。QPyPI 版本和源码版有什么区别当前 PyPI 发布版为 v0.2.0openai_compatible通用后端、Sleep 多技能等新特性需从源码安装main分支获取。Q训练会修改我的模型吗不会。SkillOpt 优化的是技能文档这个文本参数目标模型始终冻结不变部署时零额外模型调用。总结pip install skillopt→ 复制.env填入一个后端的 API 密钥 → 物化 SearchQA 数据 → 一条train.py命令训练 → 收获可部署的best_skill.md。整个过程不需要任何模型微调经验把写提示词升级为训练技能就这么简单 【免费下载链接】SkillOptSkillOpt is a text-space optimizer that trains reusable natural-language skills for frozen LLM agents through trajectory-driven edits, validation-gated updates, and deployable best_skill.md artifacts.项目地址: https://gitcode.com/gh_mirrors/sk/SkillOpt创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考