optimize-any

name	optimize-any
description	跨任意组件（plugin/skill/agent/command）的验证驱动优化循环纪律 skill。当用户要优化某个已有组件却无明确方向、或要防止改了反而更差（自评乐观偏差 / 多维同改归因失效 / 为凑分加废话膨胀）、或要把一套通用「评分→单变量改→改后验证严格更好才留否则回滚→触顶停」的纪律套到任意组件上时使用。管优化过程本身的纪律（validation gate / ratchet / 独立验证 / 触顶停），不评单组件深度（交 skill-dev），不查插件接线（交 plugin-dev）。仅手动 /optimize-any 触发。
disable-model-invocation	true
argument-hint	<组件路径>
arguments	<组件路径>

Optimize Any — 跨组件验证驱动优化循环纪律

定位：教「优化过程本身」的纪律，不绑定具体组件类型。核心理念 = 验证驱动优化循环：评分定位短板 → 单变量改 → 改后过质量门 + 改前改后对比 → 严格更好才留（否则 git revert）→ 触顶停。 方法论软引用（借鉴非依赖，禁 import 禁调脚本）：darwin-skill（9 维 rubric + validation-gated + ratchet + 触顶 break）· huashu-nuwa（独立子 agent 验证防自评偏差）· cangjie-skill（压力测试 / 诱饵边界）· grill-me（逐问确认决策，事实自己查决策等用户）。

🔴 硬规（违反即失效）

1. 改过任何组件内容即过质量门（项目 CLAUDE.md 强制）：

   claude -p "<待测内容>" --output-format stream-json | jq -r 'select(.type=="result" and .subtype=="success") | .result'
   

   端点抖动（400）重试循环（见记忆 claude-p-endpoint-flaky）；3 次仍败 → 人工验 + 小步可回滚提交，标「待端点恢复补跑」。
2. validation-gated 严格更好才留：改后过质量门 + before/after 对比（触发准确 / 输出质量 / 分数）任一退步 → git revert HEAD 回滚，禁「我觉得更好」直落。分数 fine-grained 不可信，仅 gross 信号（Δ>0）。
3. 单变量轮：一轮只改一维度（或一紧密相关簇），多维同改归因失效。
4. 独立验证防自评偏差：评分与对比 spawn 独立子 agent（或独立 session），禁同 context 自评自改（乐观偏差实证 LLM-as-judge ~46% 准确率）。
5. 触顶即收：连续 2 轮 Δ < 2 分 → break，禁硬凑 MAX_ROUNDS（典型症状 = 加废话让 LLM 觉得更详细，膨胀即警示）。
6. 无第三方直接依赖：评分 rubric / 对比脚本均自包含（见 references/）；软引用 darwin/nuwa/cangjie/grill 是「方法论借鉴源，非依赖」，禁 import 其脚本。

路由（先判去重，避免与 skill-dev / plugin-dev 重叠）

输入信号	走
优化单个 skill / agent 的深度质量（9 维评分 / 修触发 / 补失败模式 / 爬山）	🛑 /skill-dev（流程 B）
插件级 manifest / 组件接线 / hook 健壮性 / marketplace 一致性	🛑 /plugin-dev（流程 B）
跨任意组件、无明确方向、要套通用「评分→单变量改→验证→ratchet→触顶停」纪律	✅ 本 skill
优化 command / 脚本 / 配置 / 跨组件组合（非单 skill 也非插件接线）	✅ 本 skill

边界模糊（如「这个 skill 触发不准顺便帮我优化整个流程」）：先按本 skill 套循环纪律做框架性优化，单 skill 深度评分瓶颈再交 /skill-dev。

---

通用优化循环（4 阶段）

Phase 0: 定范围（grill 逐问，决策等用户）

逐问确认决策项（事实自己查环境，禁问事实）：

1. 优化目标组件（plugin / skill / agent / command / 组合）+ 路径。
2. 当前痛点（不触发？输出跑偏？太长？误触发？人审觉得退步？）。
3. 验收标准（触发准确 / 输出质量 / 体积上限 / 可观测行为）—— 写成可判定的 before/after 对比项。

🔴 CHECKPOINT：目标 + 痛点 + 验收标准三项落字给用户点头再动。方向错后续全返工。

Phase 1: 基线评分（独立评，定位最低维度）

• 按通用维度表打分定位最低维度，评分 spawn 独立子 agent（或独立 session）跑，禁同 context 自评。
• 维度表速查 + 打分细则见 references/scoring-matrix.md（s2 subtask 创建，含触发准确 / 结构清晰 / 失败模式覆盖 / 具体性 / 冗余度 / 可验证性 等通用维度，按组件类型给适配权重）。
• 输出诊断表：维度 / 分 / 短板证据（行号引用） / 建议编辑类型（add/delete/replace） / 相关簇。

🔴 CHECKPOINT：诊断表给用户确认方向 + 优先级后再设计编辑。

Phase 2: 单变量轮（核心 — 改 → 验证 → ratchet → 触顶判）

循环每轮：

1. 改一维度（或一相关簇）：最小可验证改动，优先小步而非整段重写（除非 ≥3 维同时 ≤4 分触发探索性重写，且必须用户确认）。
2. 过质量门（硬规 1 命令）+ before/after 对比：见 references/validation-gate.md（s3 subtask 创建，含 should-trigger / should-not-trigger / edge case 集 + 独立子 agent 盲评流程 + dry_run 降级）。
3. 严格更好才留：触发准确不退步 · 输出无负面（冗余 / 跑偏 / 格式怪）· 分数 gross Δ>0 → git commit（分支 optimize/<comp>-YYYYMMDD）；任一退步 → git revert HEAD 回滚（禁 reset --hard 丢工作树），记失败尝试原因（归因不明 / Δ<0 / 触发变差）。
4. 触顶判：连续 2 轮 Δ < 2 → break 进 Phase 3（+0.x 是停手信号非继续）。

Phase 3: 汇总（分数变化 + 留 / 滚统计 + 触顶信号）

输出：before/after 分数变化表 + 各维度 Δ + 保留 / 回滚编辑清单 + 回滚原因 + judge 共识度 + dry_run 比例 + 触顶轮次。破坏性变更（触发词 / 大范围重写 / merge）显式标注需用户确认。

---

失败模式速查（触发 → 一线修复 → 仍失败兜底）

触发	一线修复	仍失败兜底
质量门 claude -p 返 400 / 空	重试循环（端点抖动，记忆 claude-p-endpoint-flaky）	3 次仍败 → 人工审 + 小步可回滚提交，标「待端点恢复补跑」
自评乐观偏差（改完都说好）	评分 / 对比 spawn 独立子 agent 或独立 session	judge 分歧大 → 加第 3 judge 或换 full_test 实测，仍分歧标「评估不可信」人审
多维同改无法归因哪项起效	降单变量重试，一轮只改一维度（或一紧密相关簇）	已混改 → revert 全部，逐维重做建立因果
触顶后硬凑废话涨分（体积膨胀）	体积护栏：改后 > 原 ×1.5 拒绝提交，先精简再评	删冗余 / 合并重复回到 ×1.5 内仍 Δ<2 → 接受触顶 break
独立子 agent 不可用	降级 dry_run（模拟执行思路），标注 dry_run	dry_run > 30% → ⚠️ 评估失效警告，仅出建议不改盘，分数不可信须人审
改后触发词变更致下游 break	回滚触发词，body 内补关键词	新建组件而非原地改（破坏性变更必须用户确认）

反例（命中 = 流程错误）

• 同 context 自评自改（应 spawn 独立子 agent / 独立 session 防乐观偏差）。
• git reset --hard 回滚（丢工作树，应 git revert HEAD 建反向 commit）。
• 为凑分加冗余 / 扩体积（应体积护栏 > 原 ×1.5 拒提交，先精简再评）。
• 跳质量门直接提交改后内容（违反硬规 1）。
• 多维同改一轮（归因失效，应单变量轮）。
• 拿本 skill 去评单 skill / agent 深度（交 /skill-dev）或查插件接线（交 /plugin-dev）。
• 凭空猜测不查证 / 决策不让用户拍板（应 grill：事实自己查环境，决策等用户）。

资源

• references/scoring-matrix.md — 通用维度评分表 + 按组件类型的权重适配（s2 subtask 创建，本 skill Phase 1 指向）。
• references/validation-gate.md — before/after 对比流程 + 独立子 agent 盲评 + dry_run 降级 + held-out 集构造（s3 subtask 创建，本 skill Phase 2 指向）。
• 方法论借鉴源（非依赖，禁 import 禁调脚本）：darwin-skill（rubric + ratchet + 触顶）· huashu-nuwa（独立验证防自评偏差）· cangjie-skill（压力测试 / 诱饵）· grill-me（逐问确认决策）。

诚实边界

• 评分 fine-grained 不可信：gross 信号（Δ>0）有效，作粗判可；重要决策（破坏性 / 触发词 / 大范围重写）必须人审，禁「分数涨了就 merge」。
• 无第三方基准：rubric 为 darwin/nuwa/cangjie/grill 共性提炼 + 经验汇总，非同行评审，无独立第三方复现。
• dry_run 多时分数虚高：独立子 agent / 真实 harness 不足时退化 dry_run，> 30% 评估失效，仅出建议不改盘。