怎麼讓 Agent Skills 自進化？Agent 回答質量翻倍
整理版優先睇
通過目標驅動同多路並行測試，令 Agent Skills 實現自進化，穩定產出高質量結果
呢篇文章係作者分享佢用一套新方法訓練 Agent Skills 嘅經驗。佢本身遇到嘅問題係：每次調校一個 Skill 都要花幾個鐘，逐輪同 Agent 對話，效率好低。佢想做到「我想一次，Agent 自己試十次」，所以提出咗一個名為 Skills 自進化嘅流程。
方法嘅核心係：畀 Agent 一個明確嘅目標同一個已被驗證嘅好答案（叫靶子），然後由主 Agent 負責睇結果似唔似靶子，再由 Agent Team 同時試多條唔同嘅路徑（例如改關鍵詞、改表達、對照靶子找出差距）。人唔再逐句問，而係畀 Agent 自己跑多輪，直至接近靶子。最後，唔係將答案塞返入 Skill，而係將跑對嘅方法寫返入去，令下次會更準。
整體結論係：呢套方法可以令 Skills 越用越準，但唔可以完全放手，因為 Skills 有機會膨脹，人要做過程監督，揀選值得保留嘅規則。文章用標題點擊率由 8% 升到 13% 做驗證，證實方法有效。
- 結論：通過目標驅動同多路並行測試，Agent Skills 可以自我進化，提升輸出質量
- 方法：設定靶子（好答案）同 Goal，由主 Agent 判斷差距，Agent Team 多路試錯
- 差異：以前係人逐句改，Agent 停滯；而家一次由 Agent 試多條路，效率大增
- 啟發：訓練 Skills 唔係俾答案，而係訓練佢靠近好結果嘅方法，方法要寫返入 Skill
- 可行動點：喺 Codex 或 Claude Code 用 /goal 開頭，配合靶子同循環規則，人最後審核方法
由人逐句改變為 Agent 自試多路
以前調一個 Skill，要逐輪同 Agent 對話：畀素材，佢跑結果；唔滿意，再補一句，佢再跑。呢個循環好慢，因為係 單線，一輪只試一條路，仲要成日停低等人接手。
作者換咗問題：由「點樣改好呢個 Skill」變成「點樣想一次，叫 Agent 自己試十次」
呢個問題一換，方法就唔同咗。唔再一輪一輪推 Agent，而係畀佢一個目標，叫佢圍住呢個目標自己跑。
三層結構：靶子、主 Agent 同 Agent Team
整個方法分三層：靶子係已經被驗證過嘅好答案，例如一個高點擊標題；主 Agent負責睇結果似唔似靶子，同決定下一輪要試邊度；Agent Team就同時由唔同方向去試，例如改關鍵詞、改表達、對照靶子找差距。
- 靶子：一個具體、可對照嘅好結果，畀 Agent 一個接近標準
- 主 Agent：每輪判斷兩件事——有冇接近靶子？差距喺邊度？
- Agent Team：由模型決定點樣拆路徑，多路並行測試
關鍵係 訓練線索 要準。人畀線索可能更準，但太慢；而家主 Agent 會先拆出一組線索，例如關鍵詞偏咗喺邊、表達結構差喺邊、靶子入面邊啲嘢必須保留，然後 Agent Team 攞住呢啲線索去試，咁樣發散先唔會散掉。
實測驗證同寫回方法
作者用標題 Skill 做測試。畀咗文章素材同一個已知高點擊標題做靶子，但冇俾答案。主 Agent 自己規劃點測：先拆線索，再叫 Agent Team 由唔同路徑試，試完對照靶子。關鍵詞唔夠就拆細啲，表達唔夠似就繼續從結構、語氣、點擊動機去試。最後跑出嚟嘅標題，關鍵詞接近、表達結構接近、點擊結果都接近。
最易搞錯嘅位：唔係將個高點擊標題塞返入 Skill，而係將跑對嘅方法寫返入去
寫返入 Skill 嘅係方法，例如「關鍵詞要點樣靠近」「表達結構要保留邊啲元素」「跑偏嘅規則要刪除或降級」。下次再跑，佢就唔係由零開始，而係由上一次判斷過嘅地方繼續，呢個就係 Skills 自進化。
實際操作同風險管理
喺 Codex 或 Claude Code 入面，可以用 /goal 開頭。作者常用嘅輸入格式如下：
/goal
目標：用當前素材，把某個 Skill 調到能穩定產出接近靶子的結果。
主 Agent 評判：每輪只判斷兩件事：是否達標，差距在哪裡。
Agent Team 批量測試：由模型自己決定怎麼拆分路徑、調用多個 Agent 測試，並把結果交給主 Agent 對照。
循環規則：沒達標就繼續測試，達標後停止。
最終輸出：可寫回 Skill 的方法論 + 應該刪除或降級的規則。呢套方法啱用喺有靶子嘅 Skills，例如標題、開頭、大綱、正文。如果任務本身冇明確對照，就好難訓練。
- 風險一：冇靶子嘅任務難以訓練
- 風險二：Skills 膨脹，寫入太多無用規則
- 風險三：人唔可以完全退出，要 oversee 過程
作者最後總結：以前寫 Skills 似寫說明書，而家訓練 Skills 似畀 Agent 一個訓練場。有效嘅方法留低，Skills 就越用越準。
呢個方法，我叫佢 Skills 自進化。
佢有啲似大模型嘅強化學習。分別係，我冇訓練模型參數，我訓練嘅係 Skill 嘅執行方式。
以前我調一個 Skill，成日要搞幾個鐘。而家俾個目標佢，十幾分鍾就可以跑出一版接近可用嘅結果。
嗰次高點擊標題只係第一次驗證。更大嘅變化係：Skill 開始記住點樣靠近好結果。
Skill 寫完，唔等於跑得準
Skill 寫完，唔代表佢每次都可以跑出我想要嘅結果。尤其係標題、開頭、大綱、正文呢類任務，我俾一份素材佢，佢會俾一個結果我。
但呢個結果好多時爭少少。關鍵詞可能偏咗，表達可能太平，方向都可能俾佢偷偷改咗。
所以 Skill 需要調校。
以前嘅調法好似手動改稿。我俾素材，佢跑結果；結果唔滿意，我再補一句，佢再跑一版。
呢個循環睇落都係訓練，但佢有兩個地方好慢。
第一，佢係單線。我問一句，佢答一句。一輪只試一條路，呢條路唔啱，就要等我重新判斷。
第二，佢會停。結果唔啱，佢會停；方向唔清，佢都會停。中間任何一步斷咗，都要我接手。
模型生成本身唔慢，慢嘅係呢種除錯方式。佢一路卡喺「我問一句，佢答一句」裏面。
我想一次，Agent 試十次
一開始我想嘅係：
我怎麼把這個 Skill 改好？
後來我轉咗另一個問題：
能不能我想一次，讓 Agent 自己試十次？
呢個問題一轉，方法就變咗。我唔再一輪一輪推佢，而係俾個目標佢，等佢圍住呢個目標自己跑。
我先俾個靶佢。靶就係已經俾結果驗證過嘅好答案，例如一個點擊率更高嘅標題，佢俾 Agent 一個接近嘅標準。
然後用 Goal 將任務掛住。結果冇接近，就繼續跑，唔好跑一版就停喺度等我。
呢度先講清楚 Agent Team。佢唔係一羣 Agent 各自寫各自嘅，你可以理解成：主 Agent 一次叫幾個小 Agent 去試唔同嘅改法。
主 Agent 就係當前負責 Goal 嗰個 Agent。佢負責睇結果似唔似靶，亦負責決定下一輪要試邊度，呢啲「下一輪要試邊度」，就係我講嘅訓練線索。
再等 Agent Team 喺同一輪裏面試多條路。有啲路改關鍵詞，有啲路改表達，有啲路對照高點擊標題，有啲路專門揾差距。
多跑唔夠，線索要準
準確率唔係來自多跑幾版。Agent Team 如果只係多跑幾版，結果只會更熱鬧，唔一定更準。
以前都可以由人嚟俾線索，例如我判斷關鍵詞偏咗，表達結構唔啱，或者靶裏面某個嘢一定要保留。
人俾線索可能好準，但問題係太慢，我每次只可以諗到幾條，再一條條交俾 Agent 試。
而家呢一層交俾主 Agent。佢會先俾出一組訓練線索：關鍵詞可能偏喺邊度，表達結構差喺邊度，靶裏面邊啲嘢一定要保留，邊啲規則可能會帶偏結果。
Agent Team 攞住呢啲線索去試，發散先唔會散開。呢度嘅變化唔係「人唔俾線索」，而係「線索生產都交俾 Agent 跑起嚟」。
人俾線索，可能更準。Agent 俾線索，效率更高，可以試得更多。測試路徑一多，命中好結果嘅概率亦會變高。
主 Agent 只做兩件事：
有沒有接近靶子？
差距到底在哪裏？
唔似，就繼續試。接近咗，就停低總結方法。
8% 到 13%，先用標題驗證
我第一次攞嚟試嘅，係標題 Skill。我俾文章素材佢，亦俾一個已經驗證過嘅高點擊標題做靶，但我冇將答案話俾佢知。
我只俾一個目標佢：
把這個標題 Skill 調到能穩定跑出接近靶子的標題。
接下來就唔係我一句一句推喇。主 Agent 會自己規劃點樣測：佢會先拆出一組訓練線索，再叫 Agent Team 由唔同路徑去試，試完一輪，主 Agent 再將結果攞返嚟對照靶。
關鍵詞冇捉到，就將關鍵詞線索拆得更細；表達唔夠似，就叫 Agent Team 繼續由結構、語氣、點擊動機呢啲方向去試；結果接近咗，就停低總結。
呢個過程最似訓練。佢一輪一輪試，一輪一輪睇，一輪一輪靠近，答案只係最後浮出嚟嘅嘢。
最後跑出嚟嘅標題，唔一定每個詞都一樣，但關鍵詞接近，表達結構接近，點擊結果都接近。
咁就夠喇。
我要訓練嘅係 Skill 靠近好標題嘅方式，某個標題只係驗證結果。
寫返入 Skill 嘅唔係答案，係方法
呢度最易搞錯。嗰個高點擊標題唔會塞返入 Skill，下一篇文章點可能仲用同一個標題。
要寫返去嘅係方法。
寫返入 Skill 嘅，係跑出呢類答案嘅方法。跑啱嘅路徑留低，跑偏嘅規則刪除或者降級。
下一次再跑，佢就唔係由零開始，而係由上一次判斷過嘅地方繼續跑。
呢個就係 Skills 自進化。
Goal 令任務唔好半路停
如果喺 Codex 裏面，可以直接用 /goal 開頭。Codex 嘅問題係入口唔明顯：你輸入 /goal，唔會彈出表單，亦唔會提你下一步要填咩。
Claude Code 裏面更自然。Goal 默認開咗，你俾個明確目標佢，佢就會圍住目標持續推進。
我而家常見嘅輸入格式係：
/goal
目標：用當前素材，把某個 Skill 調到能穩定產出接近靶子的結果。
主 Agent 評判：每輪只判斷兩件事：是否達標，差距在哪裏。
Agent Team 批量測試：由模型自己決定怎麼拆分路徑、調用多個 Agent 測試，並把結果交給主 Agent 對照。
循環規則：沒達標就繼續測試，達標後停止。
最終輸出：可寫回 Skill 的方法論 + 應該刪除或降級的規則。
呢段輸入嘅作用，係將目標、判斷、測試、循環同寫返去一次過講清楚，等主 Agent 唔好跑散。
人唔需要預先規定每個 Agent 嘅職位，人只要俾目標、俾靶、睇結果。Agent 負責多路試錯，主 Agent 負責收斂判斷，人負責最後審核：邊啲方法值得寫返去，邊啲規則應該刪走。
自進化唔係放手唔理
呢套方法適合有靶嘅 Skills，好似標題、開頭、大綱、正文。呢啲任務可以對照結果，似唔似，準唔準，仲可唔可以改，都可以判斷。
如果任務本身冇靶，就好難訓練。
仲有一個風險係 Skills 會膨脹。Agent 好容易將所有經驗都寫曬入去，寫得越多，唔一定越準。
有啲經驗只適合今次，有啲規則會重複，有啲規則仲會帶偏下一次，所以人唔可以完全退出，人要做過程監督。
應該保留嘅方法保留，應該刪嘅規則刪走，應該降級嘅經驗降級。
我而家對 Skills 嘅理解都變咗。以前寫 Skills，似寫一份說明書；而家訓練 Skills，似俾 Agent 一個訓練場。
佢不斷試，我不斷睇。有效嘅方法留低，Skills 就會越用越準。
這個方法，我叫它 Skills 自進化。
它有點像大模型的強化學習。區別是，我沒有訓練模型參數，我訓練的是 Skill 的執行方式。
以前我調一個 Skill，經常要花幾個小時。現在給它一個目標，十幾分鍾就能跑出一版接近可用的結果。
那次高點擊標題只是第一次驗證。更大的變化是：Skill 開始記住怎麼靠近好結果。
Skill 寫完，不等於跑準
Skill 寫完，不代表它每次都能跑出我想要的結果。尤其是標題、開頭、大綱、正文這種任務，我給它一份素材，它會給我一個結果。
但這個結果經常差一點。關鍵詞可能偏了，表達可能太平，方向也可能被它偷偷換掉。
所以 Skill 需要被調。
以前的調法很像手動改稿。我給素材，它跑結果；結果不滿意，我再補一句，它再跑一版。
這個循環看起來也在訓練，但它有兩個地方很慢。
第一，它是單線的。我問一句，它答一句。一輪只試一條路，這條路不對，就要等我重新判斷。
第二，它會停。結果不對，它會停；方向不清，它也會停。中間任何一步斷了，都要我接手。
模型生成本身不慢，慢的是這種調試方式。它一直被卡在“我問一句，它答一句”裏面。
我想一次，Agent 試十次
一開始我想的是：
我怎麼把這個 Skill 改好？
後來我換成了另一個問題：
能不能我想一次，讓 Agent 自己試十次？
這個問題一換，方法就變了。我不再一輪一輪推它，而是給它一個目標，讓它圍着這個目標自己跑。
我先給它一個靶子。靶子就是已經被結果驗證過的好答案，比如一個點擊率更高的標題，它給 Agent 一個接近標準。
然後用 Goal 把任務掛住。結果沒接近，就繼續跑，不要跑一版就停下來等我。
這裏先把 Agent Team 說清楚。它不是一羣 Agent 各寫各的，你可以先理解成：主 Agent 一次叫多個小 Agent 去試不同改法。
主 Agent 就是當前負責 Goal 的那個 Agent。它負責看結果像不像靶子，也負責決定下一輪要試哪裏，這些“下一輪要試哪裏”，就是我說的訓練線索。
再讓 Agent Team 在同一輪裏試多條路。有的路改關鍵詞，有的路改表達，有的路對照高點擊標題，有的路專門找差距。
多跑不夠，線索要準
準確率不是來自多跑幾版。Agent Team 如果只是多跑幾版，結果只會更熱鬧，不一定更準。
以前也可以由人來給線索，比如我判斷關鍵詞偏了，表達結構不對，或者靶子裏某個東西必須保留。
人給線索可能很準，但問題是太慢，我每次只能想出幾條，再一條條交給 Agent 測。
現在這一層交給主 Agent。它會先給出一組訓練線索：關鍵詞可能偏在哪裏，表達結構差在哪裏，靶子裏哪些東西必須被保留，哪些規則可能把結果帶偏。
Agent Team 拿着這些線索去試，發散才不會散掉。這裏的變化不是“人不給線索了”，而是“線索生產也交給 Agent 跑起來”。
人給線索，可能更準。Agent 給線索，效率更高，能試得更多。測試路徑一多，命中好結果的概率也會變高。
主 Agent 只做兩件事：
有沒有接近靶子？
差距到底在哪裏？
不像，就繼續試。接近了，就停下來總結方法。
8% 到 13%，先拿標題驗證
我第一次拿來測的，是標題 Skill。我給它文章素材，也給它一個已經驗證過的高點擊標題當靶子，但我沒有把答案告訴它。
我只給它一個目標：
把這個標題 Skill 調到能穩定跑出接近靶子的標題。
接下來就不是我一句一句推了。主 Agent 會自己規劃怎麼測：它會先拆出一組訓練線索，再讓 Agent Team 從不同路徑去試，試完一輪，主 Agent 再把結果拿回來對照靶子。
關鍵詞沒抓住，就把關鍵詞線索拆得更細；表達不夠像，就讓 Agent Team 繼續從結構、語氣、點擊動機這些方向去試；結果接近了，就停下來總結。
這個過程最像訓練。它一輪一輪試，一輪一輪看，一輪一輪靠近，答案只是最後浮出來的東西。
最後跑出來的標題，不一定每個詞都一樣，但關鍵詞接近，表達結構接近，點擊結果也接近。
這就夠了。
我要訓練的是 Skill 靠近好標題的方式，某個標題只是驗證結果。
寫回 Skill 的不是答案，是方法
這裏最容易搞錯。那個高點擊標題不會被塞回 Skill，下一篇文章不可能還用同一個標題。
要寫回去的是方法。
寫回 Skill 的，是跑出這類答案的方法。跑對的路徑留下，跑偏的規則刪除或降級。
下一次再跑，它就不是從零開始，它從上一次判斷過的地方接着跑。
這就是 Skills 自進化。
Goal 讓任務不要半路停
如果在 Codex 裏，可以直接用 /goal 開頭。Codex 的問題是入口不明顯：你輸入 /goal，不會彈出表單，也不會提醒你下一步該填什麼。
Claude Code 裏更自然。Goal 默認開啓，你給它一個明確目標，它就會圍繞目標持續推進。
我現在常用的輸入格式是：
/goal
目標：用當前素材，把某個 Skill 調到能穩定產出接近靶子的結果。
主 Agent 評判：每輪只判斷兩件事：是否達標，差距在哪裏。
Agent Team 批量測試：由模型自己決定怎麼拆分路徑、調用多個 Agent 測試，並把結果交給主 Agent 對照。
循環規則：沒達標就繼續測試，達標後停止。
最終輸出：可寫回 Skill 的方法論 + 應該刪除或降級的規則。
這段輸入的作用，是把目標、判斷、測試、循環和寫回一次說清楚，讓主 Agent 不要跑散。
人不需要提前規定每個 Agent 的職位，人只要給目標、給靶子、看結果。Agent 負責多路試錯，主 Agent 負責收斂判斷，人負責最後審核：哪些方法值得寫回，哪些規則應該刪掉。
自進化不是放手不管
這套方法適合有靶子的 Skills，比如標題、開頭、大綱、正文。這些任務能對照結果，像不像，準不準，能不能繼續改，都能判斷。
如果任務本身沒有靶子，就很難訓練。
還有一個風險是 Skills 會膨脹。Agent 很容易把所有經驗都寫進去，寫得越多，不一定越準。
有些經驗只適合這一次，有些規則會重複，有些規則還會把下一次帶偏，所以人不能完全退出，人要做過程監督。
該留下的方法留下，該刪的規則刪掉，該降級的經驗降級。
我現在對 Skills 的理解也變了。以前寫 Skills，更像寫一份說明書；現在訓練 Skills，更像給 Agent 一個訓練場。
它不斷試，我不斷看。有效的方法留下來，Skills 就會越用越準。