Skill Optimization

把技能当可训练参数：像训练神经网络一样训练 agent 技能（epochs/batchsize/learning rate/验证门禁，但不碰模型权重）——rollout→reflect→aggregate→select→update→evaluate 循环、候选编辑仅在严格改善 held-out 验证分时接受、文本学习率预算、零推理时模型调用、部署紧凑 best_skill.md。受 microsoft/SkillOpt（MIT）启发。