把技能文件塞进提示词，模型不一定找得到、也不一定照着做。上海AI实验室的一篇新论文给出了另一条路：用验证通过的技能运行轨迹来训练模型，让它本身变成一个更好的智能体，即便手上没有技能文件。

论文的核心发现是，提示词层面的技能依赖检索和指令遵循两个环节，任何一环掉链子，技能就白给了。而在经过验证的技能运行轨迹上做微调，能降低这种依赖。

打开网易新闻 查看精彩图片

把技能文件变成一道有判分的题

SkillGym 的做法是把每一份技能文件转成一个沙箱任务，再配一个通过或失败的检查器。模型跑这些任务，只有跑通的那部分运行轨迹会被拿来当训练数据。

这套流程解决的是一个老问题：技能文件通常躺在提示词里，只有被智能体找到并遵循，它才起作用。找不到、不照做，技能就等于不存在。

训练数据来自"跑对了"的运行，而不是来自技能文件本身。模型学到的是完成任务的过程，不是一段需要被检索的说明。

Claude Code 里的成绩单

在 Claude Code 环境中，Qwen3.5-35B-A3B 在 Terminal-Bench 2.1 上的成功率从 39.33% 提升到 58.43%，涨了 19.10 个百分点。

更值得注意的是没有技能文件时的表现：在 SkillsBench 上，它拿到 26.81%，超过了带技能的基座模型的 23.34%。也就是说，训练之后模型不靠外部技能文件，也能打赢原来那个拿着技能的版本。

技能文件并没有因此变得没用。在训练后的模型上再加载技能，成绩还能继续往上走，达到 51.47%。

技能该放在提示词里，还是放进权重里

这条路线给出的答案偏向后者。技能文件放在提示词里，效果受限于检索和遵循；把验证过的运行轨迹喂进训练，能力就沉到了模型本身。

两种方式并不互斥。加载技能仍然能带来额外提升，说明训练后的模型对技能的利用效率也变了——它不再是"能不能找到"的问题，而是"找到之后能叠加多少"的问题。

对做智能体的人来说，这个结果指向一个具体的操作：与其反复打磨提示词里的技能描述，不如先造一个能判定对错的沙箱，把跑通的轨迹收集起来。数据从哪来，可能比数据怎么写更关键。