删掉三个组件，Agent 进化反而更快

在 VS Code 里打开一个装好环境的文件夹，对 Copilot 的聊天框输入这一行：

/skillopt-loop rounds=10 batch=40 target=gpt-5.4-nano

接下来的几个小时里，这个编码 agent 会自己跑任务、自己看失败记录、自己改那份叫 skill.md 的技能文件，改完再跑验证，验证过了才留下。开发者全程只贡献了这一行命令。论文给它起了个顺口的名字：一行 vibe 的自我进化。

这项工作七月初挂上 arXiv，被 ICML 2026 收为 poster，作者来自三方：LMMs-Lab 的 Yifei Shen（多模态模型 LLaVA-OneVision-2 的第一作者）、南洋理工 MMLab 的 Bo Li，以及微软的 Xinjie Zhang。它要回答的问题听起来很朴素：让 agent 自己优化自己的技能，到底最少需要几个部件？

先看它删了什么

这不是这条赛道的第一篇论文。前面有个叫 SkillOpt 的框架，已经做得很完整：把成功和失败的轨迹聚成小批做反思池，用慢更新阻尼防止技能突变，被拒绝的修改存进历史缓冲区避免重蹈覆辙。听上去每个组件都有道理。

SkillOpt-Lite 的做法是把这些全删了。反思池、阻尼、拒绝缓冲，三个组件一个不留，只留下一条最短路径：把每条任务轨迹原样存成独立的文本文件，让优化器模型像程序员翻目录一样自己去看；跨任务找到共同的失败模式，生成一份紧凑的修改补丁；补丁在验证集上过线才被接受，超过历史最好成绩才写进生产文件。被拒的补丁直接进日志归档。

结果不是打折扣，是变好变快。LiveMath 上，GPT-5.5 的成绩从 SkillOpt 版的 64.8 涨到 73.6，GPT-4o 从 31.2 涨到 58.8，最小的 GPT-5.4-nano 从 30.3 涨到 55.7——涨 25.4 分。算力账还倒着算：原框架最多跑 4 个 epoch，Lite 严格只跑 10 个 batch，用更少的计算拿到了更高的分。

为什么删了反而好

论文给的解释值得慢慢讲。它先做了一件翻译工作：把各家 skill 优化方法都翻译成经典优化理论里的零阶优化——没有解析梯度、只能靠试错估计方向的优化。在这个框架下，成功与失败的轨迹对比就是中心差分，故障点的原子修改就是坐标下降，编辑预算的衰减就是信赖域半径，被拒修改的存档就是控制变量。原来这个领域各家自建的组件，都能在几十年前的优化课本里找到原型。

翻译完再看 SkillOpt 的反思池，问题就露出来了。数值优化里批量平均能降噪，是因为参数空间连续光滑，附近的点本来就相似。文本空间不是这样——两段不同措辞的技能修改，平均起来不是折中，是互相打架。反思池把八条不同的修改建议搅成一条，等于把方向信息抹掉了。删掉平均，让优化器做局部的、离散的文件编辑，信号的锐度反而保住了。

这个解释和实验结果对得上：收益最大的恰好是 LiveMath 和 Spreadsheet 这类推理任务，需要确定性的代码执行，失败的轨迹里写着清晰的报错。而在搜索问答、家庭环境模拟这类语义任务上，Lite 和完整版差距很小——语义失败没有那么清晰的梯度可挖。最小的 nano 模型上还有两处 Lite 反而输给完整版的地方（SearchQA 66.9 对 68.8，OfficeQA 15.5 对 18.4），论文照实印在了表里。

从技能到 harness

技能文件只是 agent 的一部分。这个框架更激进的推论是：既然技能是一份可编辑的文本，那跑任务的整套脚手架——评估代码、环境配置、提示词——全都是可编辑代码。优化技能的管线不用改一行，把编辑对象从 skill.md 扩大到整个文件夹，就成了 HarnessOpt。

SpreadsheetBench 上这一步的数字很硬：GPT-5.4-nano 配上被优化过的 harness，拿到 0.7758 的准确率，超过了跑标准管线加完整版 SkillOpt 的大模型 GPT-5.5（0.7620）。小模型加被调教过的脚手架，赢了大模型加出厂设置。前面六张主表都指向同一件事：模型冻结之后，工程侧的文本还在动，动它就有收益。

回到开头那一行命令。整个「框架」的本体其实是几份 markdown 提示词文件——仓库 README 里写着，任何能读 .github/prompts/*.prompt.md 的编码 agent 都能跑：Copilot、Codex CLI、Claude Code、kimi-code、glm-code 都在列。没有 SDK，没有服务，没有依赖安装，优化器的智能全部来自你自己的 agent。工具只拥有工作流，模型定上限——这份仓库是这句话最紧凑的一次实现。

一行命令值多少分？LiveMath 上 25.4 分，外加写这篇时仓库里 197 个 star，和一个刚打开的 harness 方向。