К основному содержанию
скилл CX Codex

skill-optimizer · rohitg00 — скилл для Claude Code: настройка и установка

Скилл skill-optimizer анализирует накопленные исправления и предлагает правки для SKILL.md. Изменения проходят проверку на отложенных примерах, прежде чем попасть в файл.

MIT ★ 2 966 обновлён 2026-09-29

Установить в Claude Code · Через маркетплейс плагинов Все способы и платформы ↓
/plugin marketplace add rohitg00/pro-workflow
/plugin install pro-workflow@pro-workflow
Открыть на GitHub

Что делает skill-optimizer

skill-optimizer использует исправления, сохранённые в SQLite pro-workflow, как примеры для улучшения скилла. Оптимизатор предлагает ограниченные правки, затем оценщик проверяет их на отдельной выборке. Кандидат принимается, только если его оценка достигает заданного порога. Изменяется Markdown-файл, переобучения модели нет.

Запускать цикл имеет смысл, когда для скилла накопилось не менее 8 записей learn-rule. Для работы нужен явно настроенный ключ выбранного провайдера; в плагине его задают через окно конфигурации, а для CLI используют переменные PRO_WORKFLOW_*_API_KEY. Бюджет по умолчанию ограничен значением 0.50 USD, длина кандидата — 2000 токенами. Без ключа выбранного провайдера цикл не запустится.

Валидационная выборка фиксируется в начале запуска, а неудачные правки попадают в буфер отклонений. Остановить цикл между шагами можно файлом ~/.pro-workflow/STOP. Принятый кандидат перезаписывает SKILL.md; сведения о запусках и проверках сохраняются в SQLite.

Какие задачи решает

  • улучшить скилл на основе накопленных исправлений
  • отсеять правки, которые не повышают оценку на проверочной выборке
  • ограничить число добавлений, удалений и замен за шаг
  • остановить цикл оптимизации между шагами

Примеры запросов агенту

  • Запусти /skill-optimize <slug> для скилла с накопленными исправлениями.
  • Оптимизируй скилл review-helper с бюджетом 0.50 USD.
  • Останови цикл оптимизации перед следующим шагом.

Как установить skill-optimizer

1Через маркетплейс плагинов

/plugin marketplace add rohitg00/pro-workflow
/plugin install pro-workflow@pro-workflow

Команда ставит плагин pro-workflow целиком, со всеми его скиллами

2Через Skills CLI (Vercel)

npx skills add rohitg00/pro-workflow --skill skill-optimizer -a claude-code

3Вручную: положить файлы

~/.claude/skills/skill-optimizer/SKILL.md

Папка скилла целиком; для одного проекта — .claude/skills/skill-optimizer/

По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов

Вопросы о skill-optimizer

Как установить skill-optimizer в Claude Code?

В сессии Claude Code сначала выполните /plugin marketplace add rohitg00/pro-workflow, затем /plugin install pro-workflow@pro-workflow.

Что делает skill-optimizer?

Он предлагает изменения для SKILL.md на основе сохранённых исправлений и проверяет кандидатов на отдельной выборке. В файл попадают только прошедшие порог оценки правки.

Сколько исправлений нужно для запуска skill-optimizer?

Для скилла должно накопиться не менее 8 записей learn-rule. Также нужен явно настроенный ключ выбранного провайдера.

Исходный текст

SKILL.md · MIT
---
name: skill-optimizer
description: SkillOpt-flavored offline training loop for any SKILL.md. Treats accumulated learn-rule corrections as training trajectories, proposes bounded patches via an optimizer LLM, gates each candidate against a held-out validation set built from the user's own past corrections, and ships only candidates that demonstrably improve the score. Inspired by Microsoft SkillOpt's ReflACT pipeline (rollout → reflect → aggregate → select → update → evaluate) adapted to pro-workflow's SQLite store. Use when a skill has accumulated 8+ learn-rule rows and the user wants the skill itself to get better, not just longer.
user-invocable: true
---

# Skill Optimizer

Train an existing SKILL.md the way a deep-learning optimizer trains weights: via rollouts, gradient-like reflections, validation-gated acceptance. No model retraining; only the skill markdown changes.

## When to use

Use this skill when:
- A pro-workflow skill has accumulated 8+ learn-rule rows for it
- The user reports the skill is "getting bloated" or "rules keep being repeated"
- The user wants offline, budget-capped improvement over multiple sessions

Do not use when:
- Skill has fewer than 8 trajectories (nothing to learn from)
- The user wants real-time edits (this is offline, single-shot)
- No key has been explicitly configured for the selected provider

## Architecture (mirrors SkillOpt's six-stage loop)

```text
rollout      pull recent learnings from SQLite (existing learn-rule rows)
reflect      optimizer LLM analyzes a minibatch, proposes add/delete/replace patches
aggregate    vote-merge patches across minibatches
select       clip by LR budget (default: 3 adds, 2 deletes, 3 replaces per step)
update       apply selected patches to a candidate skill content
evaluate     evaluator LLM scores candidate against held-out validation items
gate         accept candidate only if weighted score >= current + acceptThreshold
slow update  at epoch boundary, consolidate accepted edits into a coherent rewrite
```

Failed candidates are stored in a rejection buffer and fed back to the next reflect step so the optimizer doesn't propose the same patch twice.

## Run it

In a plugin session, use the `providers` MCP server's `run_provider_task` tool with `task: "optimizer"` and `args: ["--slug", "<slug>", "--budget-usd", "0.50"]`. Keys come from the plugin configuration dialog. Standalone CLI installations use explicit `PRO_WORKFLOW_*_API_KEY` variables. See [provider configuration](../../references/provider-configuration.md); never request keys in chat or retrieve existing machine credentials.

```bash
/skill-optimize <slug> [options]
```

Options (all optional; sensible defaults shown):

| Flag | Default | Notes |
|---|---|---|
| `--epochs N` | 3 | Outer loop count |
| `--batch-size N` | 8 | Trajectories per minibatch |
| `--minibatches N` | 2 | Minibatches per epoch |
| `--holdout N` | 6 | Validation items reserved (max ~25% of trajectories) |
| `--budget-usd X` | 0.50 | Hard cap; loop aborts when spent |
| `--optimizer-model M` | `claude-sonnet-5` | Reflect + slow-update model |
| `--evaluator-model M` | `claude-haiku-4-5` | Gate model (cheaper) |
| `--max-adds N` | 3 | LR budget per step |
| `--max-deletes N` | 2 | |
| `--max-replaces N` | 3 | |
| `--accept-threshold X` | 0.0 | Minimum score delta to accept candidate |
| `--max-skill-tokens N` | 2000 | Hard cap on candidate length |
| `--slow-every N` | 2 | Epochs between consolidation passes |
| `--json` | off | Machine-readable output |

Kill switch: `touch ~/.pro-workflow/STOP` aborts the loop between steps.

## Output

- Candidate accepted → SKILL.md overwritten, hash stamp appended in HTML comment
- Run details persist in `optimization_runs`, `optimization_candidates`, `optimization_patches`, `optimization_rejections`
- Validation set persists in `optimization_validation` (reusable across runs)

Inspect after:

```bash
sqlite3 ~/.pro-workflow/data.db "SELECT id, skill_slug, initial_score, best_score, accepted_steps, rejected_steps, spent_usd FROM optimization_runs ORDER BY id DESC LIMIT 5"
```

## Rules

- Validation set is frozen at run start. Never re-derive from new corrections mid-run.
- One candidate per step. No parallel branches.
- Slow-update output is itself a candidate; it must pass the gate to replace the best.
- The optimizer LLM and evaluator LLM may be different models. Mixing a strong optimizer with a cheap evaluator is the SkillOpt-recommended config.
- If `spent_usd >= budget_usd` at any step boundary, the loop ends with `stopped_reason="budget exhausted"`.
- Patches whose anchor is no longer present in the skill (because a prior patch in the same step removed it) are recorded as rejected with reason `anchor_missing`.

## Provenance

Inspired by Microsoft SkillOpt (arXiv:2605.23904). The six-stage rollout/reflect/aggregate/select/update/evaluate pipeline, LR budget, rejection buffer, and slow / meta update mechanics are adapted to pro-workflow's existing SQLite + learn-rule data plane. No SkillOpt code is reused. "ReflACT" is not a SkillOpt term and is not used here; the loop is referred to by stage names only.

© Rohit Ghumare · MIT · rohitg00/pro-workflow

Похожие скиллы

Все скиллы по теме «Настройка агента: память, контекст, субагенты» →

Сначала — skill-optimizer от других авторов.

skill-optimizer mcollina Скилл skill-optimizer для Claude Code помогает настроить инструкции других скиллов и проверить, как модели им следуют. Запускается при правке скилл-паков, разборе регрессий и подготовке критериев выпуска. CX Codex +1 1 400установок token-optimizer D4kooo Скилл token-optimizer описывает пять сценариев для агентов OpenClaw: изоляцию фоновых задач, локальный RAG и протокол Reset & Summarize, чтобы ограничивать рост контекста. CX Codex +1 507установок skill-miner hqhq1025 Скилл skill-miner для Claude Code, Codex, Cursor и других агентов, который находит повторяющиеся рабочие процессы в истории сессий и превращает их в кандидаты на новые скиллы. CX Codex +1 ★ 195звёзд репо prompt-optimizer getsentry Скилл prompt-optimizer для Claude Code переписывает системные и агентские промпты по тестовым случаям вместо вкуса. Стабилизирует нестабильное поведение промпта через эвалы и итеративную оптимизацию. CX Codex +1 2 500установок hyperloom-workload-optimizer amd Скилл hyperloom-workload-optimizer для Claude Code устанавливает Hyperloom на хост с AMD Instinct и запускает многоагентную оптимизацию пропускной способности LLM на MI300X, MI325X или MI355X. CX Codex +1 1 200установок cost-optimizer curiositech Скилл cost-optimizer следит за расходами на LLM при выполнении DAG и снижает уровень моделей или пропускает шаги, чтобы уложиться в бюджет. CX Codex +1 143установок agent-topology-optimizer ngophatneknha Скилл agent-topology-optimizer для Claude Code оптимизирует структуру и связь между агентами в swarm. Он оценивает варианты топологии, маршрутизацию и размещение агентов. CX Codex +1 ★ 189звёзд репо

Из того же набора83

Весь набор →
batch-orchestration Скилл batch-orchestration разбивает массовые однотипные изменения в коде на независимые части и запускает параллельных агентов в изолированных git worktree. CX Codex +1 ★ 2 966звёзд репо insights Команда insights в Claude Code считает статистику сессий: правки файлов, самоисправления агента и сработавшие правила. Показывает повторяющиеся ошибки. CX Codex +1 ★ 2 966звёзд репо doctor Команда doctor проверяет здоровье установки pro-workflow и конфигурации Claude Code: хуки, база данных, контекст, MCP-серверы, гит-статус. Помогает отловить сломанные скрипты и конфликты настроек на ранней стадии. CX Codex +1 ★ 2 966звёзд репо thoroughness-scoring Скилл thoroughness-scoring обязывает ассистента оценивать инженерные решения по шкале от 1 до 10 и предпочитать надёжный код быстрым костылям. CX Codex +1 ★ 2 966звёзд репо agent-teams Скилл agent-teams для Claude Code объединяет несколько сессий в команду с общими задачами, сообщениями и блокировками файлов. Координатор делегирует работу над разными частями кода. CX Codex +1 ★ 2 966звёзд репо sprint-status Скилл sprint-status организует отслеживание параллельных сессий Claude Code через строки статуса и явное указание проекта, ветки и задачи. CX Codex +1 ★ 2 966звёзд репо skill-router Скилл skill-router для Claude Code показывает навыки и слэш-команды pro-workflow по задачам и объясняет, как они запускаются. Указывает, с какого элемента pro-workflow начать. CX Codex +1 ★ 2 966звёзд репо permission-analyst Субагент permission-analyst для Claude Code. Анализирует запросы разрешений и отказы, рекомендует правила permissions и записи autoMode — разбирает случаи, когда промпты тормозят работу или авторежим откатывается к подтверждениям. CX Codex ★ 2 966звёзд репо

Спонсоры проекта

Компании, которые помогают держать аналитику открытой