skill-optimize — команда Claude Code для обучения скиллов
Команда skill-optimize запускает офлайн-оптимизацию описания скилла (SKILL.md) на основе накопленных примеров. Предлагает и проверяет улучшения, перезаписывает файл только если новая версия работает лучше.
MIT ★ 2 966 обновлён 2026-09-29
/plugin marketplace add rohitg00/pro-workflow
/plugin install pro-workflow@pro-workflowЧто делает skill-optimize
Команда собирает примеры из столбца learnings для выбранного скилла, делит их на обучающую и проверочную выборку (25% зарезервировано для валидации), затем запускает цикл оптимизации. На каждом шаге отражение и агрегация накопленных правил даёт кандидата, который тестируется против отложенных примеров. Если кандидат улучшает взвешенный результат, команда обновляет SKILL.md и сохраняет хеш.
Для работы нужны уже накопленные обучающие примеры: минимум 8 строк в learnings для этого скилла. Команда требует ключ API поставщика (Anthropic или OpenAI) — либо через диалог конфигурации плагина, либо через переменную окружения (PRO_WORKFLOW_ANTHROPIC_API_KEY, PRO_WORKFLOW_OPENAI_API_KEY). Перед запуском убедись, что в директории плагина хотя бы один раз выполнена сборка: npm run build.
Флаги позволяют управлять бюджетом (--budget-usd), количеством эпох (--epochs) и выбором моделей для оптимизации и проверки. Команда остановится, если бюджет исчерпан, улучшений нет, или создан файл ~/.pro-workflow/STOP.
Какие задачи решает
- обновить описание скилла на основе реальных примеров использования
- валидировать изменения SKILL.md перед сохранением
- контролировать расходы на оптимизацию с помощью бюджета в USD
- остановить обучение в любой момент через файл сигнала
Примеры запросов агенту
- Оптимизируй скилл pro-workflow с дефолтными настройками
- Переобучи wiki-research-loop с бюджетом в 1 доллар и пятью эпохами
- Оптимизируй wrap-up, используя Claude Opus для генерации и GPT-4o-mini для проверки
Как установить skill-optimize
1Через маркетплейс плагинов
/plugin marketplace add rohitg00/pro-workflow/plugin install pro-workflow@pro-workflow2Вручную: положить файлы
.claude/commands/skill-optimize.mdВызов — /skill-optimize. Для всех проектов — ~/.claude/commands/
Вручную: положить файлы
~/.codex/prompts/skill-optimize.mdВызов — /prompts:skill-optimize. В Codex этот формат помечен устаревшим, замена — скиллы
Вручную: положить файлы
.github/prompts/skill-optimize.prompt.mdВручную: положить файлы
.gemini/commands/skill-optimize.tomlGemini хранит команды в TOML: текст запроса — в поле prompt
Вопросы о skill-optimize
Как установить skill-optimize в Claude Code?
Выполни /plugin marketplace add rohitg00/pro-workflow, затем /plugin install pro-workflow@pro-workflow. Команда будет доступна как /skill-optimize.
Что делает skill-optimize?
Команда берёт накопленные примеры использования скилла, автоматически предлагает улучшения к его описанию (SKILL.md), проверяет их и обновляет файл только если новая версия работает точнее.
Какие требования для запуска skill-optimize?
Нужно минимум 8 примеров в learnings для скилла, настроенный ключ API (Anthropic или OpenAI) и выполненная сборка npm run build в директории плагина.
Исходный текст
skill-optimize.md · MIT
--- description: Train a skill's SKILL.md by running a SkillOpt-flavored offline loop over accumulated learn-rule corrections --- # /skill-optimize - SkillOpt-flavored offline training Run an offline, budget-capped optimization loop over a skill's accumulated `learn-rule` trajectories. Proposes bounded patches via an optimizer LLM, validates each candidate against a held-out portion of the same trajectories, and overwrites SKILL.md only when the candidate strictly improves the weighted score. ## Quick Start ```text /skill-optimize <slug> [--epochs 3] [--budget-usd 0.50] ``` ## What it does 1. Pulls recent `learnings` rows scoped to the skill slug (or global) 2. Splits them into train + validation (~25% holdout, freezes validation set) 3. Runs `epochs` x `minibatches` rounds of: reflect → aggregate → clip → apply → evaluate → gate 4. Stops on: budget exhausted, kill switch (`~/.pro-workflow/STOP`), no improvement, or epochs done 5. If any candidate beat the baseline, overwrites SKILL.md and stamps the new hash ## Requirements - 8 or more existing `learnings` rows for the slug - A key configured for the selected provider in the plugin configuration dialog, or a corresponding `PRO_WORKFLOW_*_API_KEY` variable for standalone CLI use - `npm run build` has been run in the pro-workflow plugin directory at least once In a plugin session, invoke `run_provider_task` on the `providers` MCP server with `task: "optimizer"` and the requested runner arguments. See [provider configuration](../references/provider-configuration.md). ## Examples ```text /skill-optimize pro-workflow /skill-optimize wiki-research-loop --budget-usd 1.0 --epochs 5 /skill-optimize wrap-up --optimizer-model claude-opus-5-5 --evaluator-model gpt-4o-mini ``` The third example mixes providers. The CLI infers the provider from the model id (`claude-*` → anthropic, `gpt-*` / `o*` → openai), so you do not need `--evaluator-provider openai` for `gpt-4o-mini`. Pass an explicit `--optimizer-provider` / `--evaluator-provider` to override inference. See [skills/skill-optimizer/SKILL.md](../skills/skill-optimizer/SKILL.md) for full mechanics, defaults, and the SkillOpt provenance.
© Rohit Ghumare · MIT · rohitg00/pro-workflow