Optimise Skill
Využívá engine Microsoft SkillOpt/OPRO k přeškolení rubriky dovednosti ve tvaru soudce proti označenému korpusu výsledků, omezena vyloučenou sadou.
Otestováno · Funguje
Co umí
Optimalizátor rozhodovací politiky pro dovednosti Claude: vzhledem k manifestu, jednomu laditelnému dokumentu rubriky a označenému markdown korpusu minulých rozhodnutí spouští smyčku rollout/reflect/edit/gate SkillOpt a povýší upravenou rubriku pouze tehdy, když striktně překoná základní linii na nepřátelské vyloučené sadě. Spouští se na 'train/optimise the <X> rubric' nebo příkaz /optimise-skill <consumer>; explicitně mimo rozsah pro ladění spouštěcího popisu dovednosti, který zůstává u tvůrce dovednosti. Živé ladění se spouští na claude CLI proti předplatnému Claude Max (nebo klíči OpenAI jako alternativnímu poskytovateli).
Testovací report
Skutečně jsem to spustil: scripts/setup.py --apply vytvořil skutečnou 9souborovou optimalizační/smlouvu (manifest, rubrika, adresáře trénovacích/validačních/testovacích korpusů, holdout incident/reversal fixtures, ledger) pro dočasného konzumenta, validate_manifest.py prošel čistě a celá 206testová sada prošla okamžitě se stub soudci a nulovými voláními LLM, přesně odpovídající vlastnímu ověřenému tvrzení README. Samotnou živou tréninkovou smyčku LLM jsem nespustil, protože ta se spouští na skutečné volání předplatného claude -p.
Testováno: 2026-07-15 · Claude Code 2.x (agent harness)
Instalace
git clone https://github.com/yungbose/upskill.git cd upskill mkdir -p ~/.claude/skills cp -r optimise-skill ~/.claude/skills/optimise-skill pip install -r optimise-skill/requirements.txt # PyYAML only; live tuning additionally needs the claude CLI + a Claude Max subscription
Příkazy a ukázkové prompty
/optimise-skillVyužívá engine Microsoft SkillOpt/OPRO k přeškolení rubriky dovednosti ve tvaru soudce proti označenému korpusu výsledků, omezena vyloučenou sadou.
Skilly se spouštějí běžnými požadavky — žádné příkazy k zapamatování. Po instalaci ho aktivují prompty jako tyto (anglicky):
train this skill's rubric against our labeled decision corpusoptimize the judge rubric and validate it on a held-out test setscaffold a new optimisation consumer and run its test suite