全部标签

Trace2skill

Skill 自进化：基于执行轨迹与评测反馈的多代优化实践

业务 Skill 的一次修复，往往从一个失败 Case 开始：看执行过程、找到遗漏的规则、修改 SKILL.md，再跑一遍评测。随着业务场景增加，这种方式会遇到两个问题：修好一个场景时可能破坏另一个场景；连续多次修改后，很难判断哪个版本更好，以及收益来自哪条规则。我们尝试把这个过程组织为可追溯的搜索闭环：用黄金评测集、Ground Truth 和执行轨迹生成反馈，让模型提出受控修改，再通过全量评…
行业动态
- 5.2k
- 0
背多分3小时前