English | 中文
像训练模型一样优化你的 Agent Skills。
受 Andrej Karpathy 的 autoresearch 启发，将自主实验循环从模型训练搬到 Skill 优化领域。一个只能向前转的棘轮。
npx skills add alchaincyf/darwin-skill
Agent Skill 生态在快速扩张。Claude Code、Codex、OpenClaw、Trae、CodeBuddy 等工具都支持 SKILL.md 格式。当你有 10 个 Skills 时可以手动维护；当你有 60+ 个 Skills 时，你需要一个系统。
传统的 Skill 审查是纯结构性的：检查格式对不对、步骤有没有编号、路径能不能访问。但一个格式完美的 Skill，跑出来的效果可能很差。
达尔文.skill 同时评估结构质量和实际效果，然后只保留真正有改进的修改。
这个项目直接受 Karpathy autoresearch 启发。autoresearch 的做法是：写一个 program.md 定义目标和约束，让 agent 自主生成和测试代码变更，只保留可测量的改进。
我们把同样的思路搬到了 Skill 优化：
| autoresearch | 达尔文.skill | 为什么这样映射 |
|---|---|---|
program.md |
本 SKILL.md | 定义评估标准和约束规则 |
train.py |
每个待优化的 SKILL.md | 被优化的资产，每次实验只改它 |
val_bpb |
8 维加权总分（满分100） | 可量化的优化目标 |
git ratchet |
keep / revert 机制 | 只保留有改进的 commit |
test set |
test-prompts.json | 验证改进是否真的有效 |
| 全自主运行 | 人在回路 | Skill 的好坏比 loss 更微妙，需要人的判断 |
| # | 原则 | 说明 |
|---|---|---|
| 01 | 单一可编辑资产 | 每次只改一个 SKILL.md，变量可控，改进可归因 |
| 02 | 双重评估 | 结构评分（静态分析）+ 效果验证（跑测试看输出） |
| 03 | 棘轮机制 | 只保留改进，自动回滚退步，分数只升不降 |
| 04 | 独立评分 | 评分用子 agent，避免「自己改自己评」的偏差 |
| 05 | 人在回路 | 每个 Skill 优化完后暂停，用户确认再继续下一个 |
总分 100。结构维度靠静态分析（60分），效果维度必须实测（40分）。
实测表现权重最高（25分）。Skill 写得再漂亮，跑出来效果不好就是零。
系统在每个阶段内自主运行，但在阶段之间暂停等待人类确认。
Phase 2 的核心逻辑：
- 找出得分最低的维度
- 针对该维度生成 1 个具体改进方案
- 编辑 SKILL.md，git commit
- 子 agent 独立重新评分
- 新分 > 旧分 → 保留；否则 → git revert
- 每个 Skill 完成后暂停，展示 diff + 分数变化，等用户确认
分数只能上升。每一轮要么改进 Skill，要么干净地回滚。不会随时间积累局部退化。
轮次 2 的 75 分低于当前最优的 78 分，被自动回滚。有效基线始终锁定在 78，后续改进从 78 继续。
npx skills add alchaincyf/darwin-skill安装后在任何支持 Skill 的 Agent 工具中说「优化所有skills」或「优化某个skill」就行。
无法访问 GitHub 的朋友，可以直接下载 zip 包：darwin-skill.zip，解压后把 SKILL.md 放到 ~/.claude/skills/darwin-skill/ 目录即可。
这个项目的设计直接受 Andrej Karpathy 的 autoresearch 启发。
核心机制完全相同：只保留可测量的改进，其余全部回滚。
| 🌐 官网 | bookai.top · huasheng.ai |
| 𝕏 Twitter | @AlchainHust |
| 📺 B站 | 花叔 |
| @Alchain | |
| 📕 小红书 | 花叔 |
| 💬 公众号 | 微信搜「花叔」 |
MIT