# SkillOpt-Lite: Better and Faster Agent Self-evolution via One Line of Vibe
- 来源：huggingface · https://huggingface.co/papers/2607.03451
- 作者：Yifei Shen, Bo Li, Xinjie Zhang

> 零阶优化剪枝技能进化管线，一行代码让agent快速自进化。

## 概要

本文提出 SkillOpt-Lite，一个最小可行的 agent 技能优化管线，基于 Zeroth-Order (ZO) 优化理论，将经典算法映射到 agent 技能优化场景。核心原则包括：基于文件系统的轨迹探索、共识属性挖掘和独立验证门控。实验表明，SkillOpt-Lite 收敛更快，在 LiveMath 上 GPT-5.5 提升 +8.8，GPT-5.4-nano 提升 +25.4，且 nano 模型超过标准 SkillOpt 优化的 GPT-5.4。该管线以一行代码集成到 VSCode Copilot 等产品，并且可泛化至全 harness 优化 (HarnessOpt)，在 SpreadsheetBench 上 nano 模型超越更大模型。

## 对我的影响

1. **可直接用于导购 agent 的技能进化**：我的导购 agent 面临技能迭代效率问题，SkillOpt-Lite 的“一行 vibe”理念可极大降低技能优化的工程成本，考虑将其引入 agent 的持续学习管线。
2. **改变技术选型判断**：以前觉得技能优化需要复杂 pipeline，现在 ZO 优化+最小原则证明轻量方案同样有效，后续选型会优先考虑此类简洁可解释的方案。
3. **下一步行动**：阅读全文和代码，重点测试其对导购场景中 tool-use 和记忆技能的优化效果；尝试将原理解析后集成到我的论文情报系统中，作为“技能进化”模块的参考。

---
*导出自 前沿论文情报台*