| 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
skill.list 确认优化范围（全部 or 指定 skill）- 为每个 skill 设计 2-3 个测试 prompt（最典型使用场景，不是边缘 case）
- 🔴 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。
