在现代数据基础设施中，编码代理的成功不仅依赖于模型质量，还依赖于教导代理如何使用系统的技能和环境文件。本文研究了如何优化这些在分支湖屋（Bauplan）中运行的代理的工件。
我们的研究表明，使用无头API和类似Git的数据原语，通过代码、分支、提交和合并暴露数据工作流。我们发现，分支湖屋将数据代理评估从输出匹配问题转变为状态验证问题：代理生成的管道代码引发了具体的、可检查的湖屋变化。
我们提出了一种以数据为中心的优化管道，生成任务-验证器对，在隔离的沙箱中执行候选技能，并使用轨迹级信号和程序性检查对湖屋状态进行评分。在对数百个任务进行的初步评估中，优化后的技能使得持有奖励提高了多达28.6%。这些结果表明，写路径数据工作流为优化代理技能提供了有用的基础，超越了只读任务的限制。
博主点评： 本文提供了一种创新的视角，通过将数据代理的评估从传统的输出匹配转变为状态验证，实现了更高效的技能优化。这一方法不仅提升了代理的性能，也为未来的数据驱动系统设计提供了新的思路。优化过程中的隔离沙箱执行和多维评分机制，值得在更广泛的应用中进一步探索。