Entrena habilidades naturales para agentes de IA como si fueran redes neuronales — sin tocar pesos del modelo.
Framework de Microsoft que optimiza documentos de habilidades para agentes mediante evolución automática. Toma un prompt base, lo itera según validación en datos reales, y devuelve la mejor versión sintonizada.
De un vistazo, lo que vas a obtener si lo instalas.
- ·Entrenamiento sin modelos
Optimiza el documento de habilidad usando epochs, batch size y validation gates — métodos estándar de ML, aplicados al texto.
- ·Transferible entre modelos
Entrena en un modelo, despliega en otro más rápido/más barato. La habilidad generaliza.
- ·Validación rigurosa
Solo acepta cambios que mejoran métricas en un conjunto de validación separado. Sin relleno, sin overfitting.
- ·Sin latencia en despliegue
El archivo resultante (`best_skill.md`) es solo texto. Cero overhead en producción.
- ·Open source + múltiples backends
MIT. Corre con OpenAI, Claude, Qwen, MiniMax. Haz fork, entrénatelo con tu modelo favorito.
El contexto detrás del repo.
Construir agentes que funcionen consiste en escribir prompts mejores. Pero iterar prompts a mano es lento y subjetivo: cambias una palabra, probas, vuelves atrás, pruebas otra cosa.
SkillOpt automatiza ese ciclo. Tomas un documento de habilidad inicial (la descripción de qué hace el agente, las reglas, los ejemplos), lo pasas a SkillOpt con un conjunto de validación (casos reales donde sabes cuál es la respuesta correcta), y el sistema evoluciona el documento como si lo entrenara como una red neuronal: genera ediciones, valida mejora, mantiene lo que funciona, descarta lo que no.
Sin agregar latencia en producción. Sin tocar los pesos del modelo. Solo: mejor documentación + mejor desempeño.
Soporta cualquier modelo (Claude, OpenAI, Qwen, MiniMax) y la habilidad entrenada transfiere entre escalas — lo que optimizaste en Claude 3.5 funciona en Haiku, con menos costo.
Cuándo lo recomiendo (y cuándo no).
Cualquier equipo que automatiza tareas complejas con agentes y nota que el desempeño es inconsistente. Code generation, búsqueda, clasificación, routing.
El payoff es doble: mejoras de 10-30% en exactitud en casos reales, y artefactos compactos (`best_skill.md`) que versiono, revierto y comparto como código vivo — no como un notebook desechable.
En 3 pasos, listo para probar.
- 01
Clona el repo
git clone https://github.com/microsoft/SkillOpt.git && cd SkillOptInstala dependencias con `pip install -e .`
- 02
Prepara un skill inicial
skill: | You are a code reviewer. Your job is to find bugs. Rules: - Check for SQL injection - Check for off-by-one errors - Explain in SpanishTu descripción de la tarea + ejemplos + restricciones. Texto puro.
- 03
Entrena con datos reales
skillopt train \ --skill skill.yaml \ --data validation_cases.jsonl \ --model claude-opus-4-8 \ --epochs 50Itera, valida, mantiene la mejor versión en `best_skill.md`.
¿Quieres entrenar agentes sobre tus procesos específicos?
SkillOpt optimiza prompts; nosotros integramos el agente a tu empresa. Si necesitas automatizar una tarea compleja — desde procesamiento de pedidos hasta análisis de tickets — y quieres que el agente mejore conforme genera datos reales, lo armas en IA Operativa In-Company.