darwin-skill

name	darwin-skill
description	Skill质量评估优化器（达尔文循环）。Use when 需要系统评估指定/全部 skill 的质量打分、找最弱维度并迭代改进、用棘轮原则保留有净收益的改动时。触发词：优化skill / 评估skill / darwin / skill质量 / skill评分 / skill review / skill改进。
compatibility	Active when user mentions: 优化skill, 评估skill, darwin, skill质量, skill review, skill打分. Requires skill.list, skill.activate, skill.evolve tools.
tags	skill, evolution, quality, optimization, meta
metadata	{"source":"https://github.com/alchaincyf/darwin-skill (adapted for lingzhou)"}
license	MIT
triggers	优化skill, 改进技能, skill质量, skill评分, skill review, darwin
state_rules	wm_pressure_ratio >= 0.1 => 0.2

Darwin Skill（达尔文技能优化器）

受 Karpathy autoresearch 和 darwin-skill 启发，将持续优化循环搬到 lingzhou 的 skill 演化系统。

核心理念：评估 → 找最弱维度 → 改进 → 实测验证 → 只保留改进（棘轮）→ 人工确认

---

评估 Rubric（5维度，满分100）

#	维度	分值	评分标准
1	描述质量	12	description 含"做什么+何时用+触发词"；无"灵活应用/根据情况"等空话尾巴
2	工作流清晰度	20	步骤有序号、每步有明确输入/输出；无"建议/可以考虑/视情况而定"等软化措辞
3	失败分支	20	显式写出"如果 X 失败 → Y"的分支；有 fallback 路径；只写正向流程扣 ≥3 分
4	具体可执行性	8	有具体工具名/参数/示例；无模糊指代
5	实测表现	40	带 skill 执行测试 prompt vs 不带 skill；输出质量是否明显提升

实测维度权重最高（40分）。格式完美但跑出来效果差的 skill 分数低。

维度 2/3/4 是相关簇——修 dim3 时 dim2 常跟着涨；找最低维度时同时看相关簇再决定是否同步改。

---

优化流程

Phase 0: 准备

1. skill.list 确认优化范围（全部 or 指定 skill）
2. 为每个 skill 设计 2-3 个测试 prompt（最典型使用场景，不是边缘 case）
3. 🔴 CHECKPOINT · STOP：展示测试 prompt，等用户确认后继续

Phase 1: 基线评估

for each skill:
  1. skill.activate(name) 读取全文
  2. 按5维度逐项打分（1-10分 × 权重），附简短理由
  3. 模拟执行测试prompt（带skill vs 不带skill），打维度5分
  4. 计算总分，记录基线

展示评分卡（技能名 / 基线分 / 最弱维度）后 🔴 CHECKPOINT，等用户确认

Phase 2: 优化循环（棘轮）

for each skill（按基线分升序，先优化最弱的）:
  round = 0
  while round < 3:
    round += 1
    1. 找得分最低的维度（注意相关簇 dim2/dim3/dim4）
    2. 生成1个具体改进方案（改哪段、为什么、预期+多少分）
    3. skill.evolve(name, feedback="[具体说明]")
    4. 重新评估（维度1-4静态分析，维度5重新模拟执行）
    5. 新分 > 旧分 → 保留；否则 → skill.evolve(name, feedback="回退：[原内容描述]")
    6. 连续2轮 Δ < 2分 → 触顶信号，break（不要硬凑轮次）
  🔴 CHECKPOINT：展示改动摘要+分数变化，等用户确认

Phase 3: 汇总报告

展示所有 skill 的 before / after / Δ + 主要改进内容

---

使用方式

• 「优化所有 skills」 → Phase 0-3 完整流程
• 「优化 xxx skill」 → 只对指定 skill 执行 Phase 0-2
• 「评估 skill 质量」 → 只执行 Phase 0-1（不改动）

---

反例黑名单（每轮改动前对照一次）

#	反模式	为什么不做	替代做法
1	改完立刻自评	LLM 乐观偏差，准确率接近随机（SkillLens 实证 46.4%）	用独立子问题重新评估
2	一次改多个维度	分数升降无法归因	每轮只改 1 个维度
3	为凑分加冗余段落	体积膨胀质量不变	触顶（连续2轮 Δ < 2）就 break
4	跳过测试 prompt 直接评分	维度5形同虚设	Phase 0 强制设计 2-3 个 prompt
5	静默跳过评分异常	破坏评估完整性	异常先告知用户再处理
6	不带 skill 基线就直接打分	无法判断 skill 是否真的有用	至少做一次"有/无 skill"对比思考

---

与 skill-aware-reflection 的协同

• Darwin（本 skill）= 主动评估与优化：计划性地对 skill 质量打分、迭代改进
• skill-aware-reflection = 被动失败分类：任务失败后先分类证据，再决定是否 evolve

推荐工作流：先用 darwin Phase 0-1 做基线评估；Phase 2 改进时，对每次 evolve 的结果都同步运行 skill-aware-reflection 的 4 类分类，确保改动来自真实 SKILL_DEFECT 而非 EXECUTION_LAPSE。