Об этом проекте

SkillOpt рассматривает документ навыка на естественном языке как обучаемое состояние в остальном замороженного LLM-агента. Отдельная модель-оптимизатор анализирует оцененные траектории агента и предлагает ограниченные правки добавления, удаления и замены в единый Markdown-файл навыка. В стандартном рабочем процессе в стиле статьи кандидаты принимаются только при улучшении оценки на отложенной валидации. Фреймворк также предоставляет текстовый бюджет скорости обучения, буфер отклоненных правок и медленные или мета-обновления на уровне эпох для повышения стабильности ревизий. Результат — переиспользуемый артефакт best_skill.md, обычно компактный, который можно развернуть с неизмененной целевой моделью без дополнительных вызовов оптимизатора во время инференса. Цикл обучения охватывает развертывание, рефлексию, агрегацию, отбор, обновление и оценку. Пакет поддерживает множество чат- и исполнительных бэкендов, включая OpenAI, Azure, Claude, Qwen, MiniMax, сервисы, совместимые с OpenAI, Codex, Claude Code, Copilot и Cursor. Он включает шесть встроенных бенчмарков и определяет паттерны адаптеров для добавления новых бэкендов и сред бенчмарков. Опциональный WebUI предоставляет панель мониторинга, а основной инструментарий доступен через Python и CLI. Версия 0.2.0 вводит SkillOpt-Sleep — ночной офлайн-цикл самоэволюции, который собирает прошлые сессии, выявляет повторяющиеся задачи, воспроизводит их и консолидирует проверенные навыки за отложенным порогом. Репозиторий также содержит интеграционные оболочки для Claude Code, Codex, Copilot и Devin, а также эталонную адаптацию OpenClaw; некоторые из этих файлов интеграции находятся вне колеса PyPI. SkillOpt требует Python 3.10 или новее и устанавливается из PyPI. Документация охватывает настройку, подготовку данных, команды обучения и оценки, конфигурацию, контракты бэкендов, адаптеры бенчмарков и внутренности фреймворка.