达尔文.skill发布:基于棘轮机制的无限进化系统 ✍ 花叔🕐 2026-04-14📦 16.1 KB 🟢 已读 𝕏 文章列表 作者发布了达尔文.skill,这是一套基于Karpathy autoresearch思路的AI技能进化系统。它通过“棘轮机制”和“双重评估”自动优化Skill代码,只保留提升质量的修改。文章详细阐述了五大设计原则、8维度评分体系以及“人在回路”的重要性,实现了从1到N的系统性技能迭代。 Claude CodeSkillAgent自动化进化算法开源 # 达尔文.skill正式发布,一个无限进化的skill系统! **作者**: 花叔 **日期**: 2026-04-13T15:14:06.000Z **来源**: [https://x.com/AlchainHust/status/2043709317296361851](https://x.com/AlchainHust/status/2043709317296361851) ---  女娲.skill发布一周,GitHub star破了9000+  前两天接受新京报记者采访的时候,她问我这个skill花了多长时间制作完成的,我有点不好意思的说实际完成初步设计的过程只有2-3小时,但其实在这个过程中经过了无比多轮的迭代,而这个迭代单纯靠我自己完全没能力做到。 那...是怎么做到的呢? 其实就是在做了50多个自己日常使用的skill之后,我设计了一套让Skill可以自主完成进化,提升质量的系统。 一套进化体系。 我的53个skill是在不同时间、不同状态下写的。有些是凌晨三点灵感来了一口气写完的,有些是赶着deadline匆忙搭的。有些skill我用了上百次,迭代到第七八版。 这种状态在skill只有十几个的时候还能靠手感维护。但过了50个之后,手动维护就崩了。你不知道哪个skill的frontmatter写得不规范,哪个skill的工作流有步骤缺失,哪个skill看着结构完美但跑出来的效果其实很差。 我需要一个系统。 一个能自动评估所有skill质量、找出短板、提出改进、验证效果、只保留有用修改的系统。 然后我刷到了Karpathy的autoresearch。 ## Karpathy那个7万star的项目,做了一件什么事  它做的事情用一句话就能说清楚:让AI自己跑实验、自己评估结果、只保留有改进的修改。一个只能向前转的棘轮。 具体来说:AI agent自动修改训练代码,跑5分钟看loss有没有下降,降了就保留这次修改(git commit),没降就回滚(git revert)。每小时大约12个实验,一晚上能跑100个。 Shopify的CEO拿它优化模板引擎,性能提升了53%。 看到这个项目的时候我愣了一下。这个模式,不只能用来训练模型。它能用来优化任何有明确评估标准的东西。 比如我的skill。 其实自然界早就在用这套逻辑了。达尔文的进化论本质上就是一个棘轮:随机变异产生候选方案,自然选择保留有利的、淘汰有害的,时间足够长,草履虫就变成了人。进化没有设计师,没有路线图,它唯一的规则就是「活下来的留下,死掉的消失」。 Karpathy做的事情,是把进化论工程化了。autoresearch里每一次实验就是一次随机变异,loss下降就是「活下来」,git revert就是「被自然淘汰」。你猜怎么着,这个逻辑放到skill上也完全成立。 所以我给这个skill取名叫达尔文。  ## 我把autoresearch的思路搬到了Skill优化上 达尔文.skill的核心逻辑和autoresearch完全一样,只是换了优化对象。autoresearch优化的是训练代码,达尔文优化的是SKILL.md。autoresearch用loss判断好坏,达尔文用一套8维度的加权总分。两者都用git做版本控制:改好了commit,改差了revert。 但有一个关键区别。 autoresearch是全自主的。loss是一个数字,大就是大,小就是小,机器自己比就行。 Skill的「好坏」没这么简单。一个skill跑出来的结果好不好,有时候需要人来判断。所以我加了一个autoresearch里没有的东西:Human in the Loop(人在回路)。每个skill优化完后系统会暂停,把改动的diff、分数变化、测试输出的对比摆出来,等我看过确认了才继续下一个。 这不是偷懒。有些判断,目前还是人比机器靠谱。 ## 五条原则,每条都是踩坑踩出来的 写这个skill之前,我已经手动优化过38轮skill了。38次git commit,每次都是手动读skill、手动找问题、手动改、手动验证。 这38次下来,我摸出了5条原则: 01 单一可编辑资产。 每次只改一个SKILL.md。我早期犯过一次错:同时改了7个perspective skill的触发词和中文表达适配,结果有些变好了有些反而变差了,完全没法判断是哪个改动导致的。从那以后,一次一个,绝不贪多。 02 双重评估。 光看skill写得规不规范是不够的。我有个skill,格式完美、步骤清晰、frontmatter无可挑剔,但实际跑出来的效果还不如不加skill。纯结构审查发现不了这种问题。所以评估必须分两层:结构评分看「写得对不对」,实测评分看「用起来好不好」。 03 棘轮机制。 分数只能升不能降。改完之后比改前差了?git revert,当这次修改没发生过。这是autoresearch最优雅的设计,我直接搬过来了。 04 独立评分。 修改skill的agent不能是评分的agent。自己改完自己评,那不叫评估,叫年终自评里给自己打「超出预期」。必须让一个完全独立的子agent来打分。 你可能觉得这条多此一举。让改skill的agent自己评一下不就行了?2001年安然暴雷的时候,全世界才反应过来一件事:安然的审计师安达信,同时也是安然的咨询顾问。自己给自己审计,审了个寂寞。后来美国出了萨班斯法案,核心就一条:审计独立性。做账的和查账的必须是两拨人。道理放到AI agent身上一模一样。改skill的agent对自己的修改有天然的认知偏差,它会倾向于觉得自己改得不错。让另一个完全没参与修改过程的agent来评分,才能得到一个冷静的数字。 05 人在回路。 前面说过了。机器做初筛,人做终审。 ## 8个维度,100分制 怎么给一个skill打分?我设计了8个维度,分成两组。 结构维度占60分,考察6个方面:Frontmatter写得规不规范(8分),工作流是否步骤清晰(15分),有没有处理异常情况(10分),关键决策前有没有让用户确认(7分),指令够不够具体到可以直接执行(15分),引用的文件路径是否真的存在(5分)。 效果维度占40分,只考察2个方面:整体架构是否合理(15分),以及最关键的,拿真实的测试prompt跑一遍,输出质量到底怎么样(25分)。 为什么实测表现的权重最高?因为一个skill可以在结构上拿满分,但跑出来一坨。反过来,一个写得粗糙但跑起来特别好用的skill,其实比格式完美但没用的skill有价值得多。 权重分配就是我的态度:实际效果比纸面规范重要。  ## 优化循环长什么样 整个过程分5个阶段,但只有1个是核心。 前面的准备工作比较直接:初始化环境、为每个skill设计测试prompt、跑一遍基线评估建立起点分数。这些是Phase 0到Phase 1。 Phase 2是整个系统的心脏。它做的事情很简单:找到这个skill得分最低的维度,针对它改一个具体的东西,改完让独立子agent重新打分。涨了就留,没涨就revert。每个skill最多跑3轮。 Phase 3是汇总,输出一张Before/After的分数表。 每个阶段之间都有人类确认的检查点。系统不会闷头跑完所有步骤。  ## 棘轮:我最喜欢的部分 举个例子。假设一个skill的基线分数是72。 第1轮优化后,分数涨到78。保留。 第2轮优化后,分数反而降到75。比当前最优的78还低。回滚。有效基线还是78。 第3轮换个方向优化,分数到84。保留。 第4轮继续,到87。保留。 最终:72 → 87,净提升15分。中间那次失败的尝试被干净地回滚了,不会留下任何痕迹。 棘轮的美感就在这里:你可以放心做实验,失败不会伤害你。只有成功会被保留。 我后来想了想,棘轮可能是人类发明过的最被低估的结构。科学是一个棘轮:你可以提出错误的假说,但一旦一个理论被证伪,它就永远出局了,人类的知识总量只会增加。民主制度设计里也藏着棘轮:权利一旦被写进宪法,收回去的成本就极高。甚至你的git历史本身就是一个棘轮:每个commit都是一个存档点,你永远可以回到任何一个过去的好状态。达尔文.skill只是把这个古老的结构,用在了一个很新的地方。  ## 实际跑了一下,什么效果 我拿自己的skill做了实验。38次git commit的优化记录都在仓库里,挑几个典型的说说。 huashu-slides(做PPT的skill),5轮优化,是改动最多的一个。第一轮发现最大的问题是style-samples引用了一个不存在的目录,直接导致skill执行出错,改成可选引用后立刻提升。第二轮补充了Path B的错误处理和生成后必检清单。第三轮做了5种风格的实测,给每种风格标注了噪点风险分级。第四轮是防泄漏铁律,把所有base style精简为短模板。第五轮四项并行冲刺,目标90分。5轮下来,从一个「能用但随时可能翻车」的skill变成了「你可以去泡杯咖啡回来看结果」级别的可靠。 comedy(脱口秀编剧skill),优化前的问题很典型:风格选择没有结构,每次调用都要重新描述想要什么风格,跟每次去理发店都要从头解释「就上次那样」一个道理。优化后加了风格选择三方案制、推荐矩阵、反默认规则,还补了2个新风格的demo。一轮搞定,改动不大但效果很明显。 7个perspective skill(芒格、费曼、塔勒布、马斯克、道金斯、纳瓦尔、芒格),这是一次批量优化。先统一做了一轮角色扮演规则和身份卡的补充。第二轮扩展Frontmatter触发词和调研来源。第三轮添加示例对话提升实测表现。第四轮收紧触发词、加中文表达DNA适配。第五轮把参考内容拆分到references目录。5轮下来,每个perspective skill从「能用」变成了「风格稳定、不会漂移、有自检清单」。 但更重要的是过程中发现的共性问题。很多skill都缺少边界条件处理(如果用户给了一个模糊的输入怎么办?),很多skill的frontmatter描述太短(Claude不知道什么时候该触发这个skill),很多skill引用了不存在的文件路径。这些是手动维护时很难发现的模式。 ## 和Anthropic官方skill-creator的区别 说到skill优化,可能有人会问:Anthropic官方不是有个skill-creator吗? 确实有,我也装了,经常用。skill-creator是一个很好的工具,它的流程是:捕获意图→访谈→写SKILL.md→跑测试→根据反馈迭代→优化触发描述。对于从零开始创建一个新skill来说,skill-creator是最佳选择。 但skill-creator解决的是单个skill的创建和调优。它假设你坐在电脑前,一对一地和它协作打磨一个skill。 达尔文.skill解决的是另一个问题:当你有53个skill的时候,怎么系统性地发现哪些该改、改什么、改了之后有没有变好。 它是批量的、自主的、有棘轮保护的。 两者的关系更像是「手工裁缝」和「质量管理体系」。裁缝做衣服,QA确保每件衣服都达标。你不能让裁缝自己当QA,否则每件衣服都是「设计灵感」,没有一件叫「质量问题」。 事实上,我在达尔文的评估体系里就参考了skill-creator的一些标准,比如触发描述的覆盖度、测试prompt的设计方法。  ## 女娲造人,达尔文进化 女娲.skill解决的是「从0到1」的问题:输入一个人名,输出一个可运行的思维框架。它是造人的。 达尔文.skill解决的是「从1到N」的问题:你已经有了一堆skill,怎么让它们全都变得更好?它是让所有人进化的。 如果女娲是一个工厂,达尔文就是这个工厂的质检+持续改进系统。 其实达尔文的机制已经融入了女娲的生产流程。如果你用过女娲.skill,你可能注意到它生成完一个skill之后不会直接交给你,而是会自动启动一个「Phase 5双Agent精炼」。这个精炼阶段里,Agent A用的就是达尔文的8维度评估体系(工作流清晰度、边界条件、检查点设计、指令具体性),Agent B用的是skill-creator视角的触发条件评审。两个Agent并行跑完,主Agent综合报告,应用改进,再交付。 这也是为什么女娲生成的skill质量普遍还不错的原因之一。出厂就经过了一轮进化。  它们形成了一个完整的闭环:女娲造skill,达尔文磨skill。造完就优化,优化发现的模式又反哺造的过程。 这是一个meta级别的基础设施。有了它,整个skill生态的质量有了底线。 ## 和autoresearch的关系 我想专门说一下这件事。 达尔文.skill的设计100%受Karpathy autoresearch启发。棘轮机制、单一资产优化、自主实验循环,这些核心概念都来自autoresearch。我做的工作是把它从模型训练的领域搬到了Skill优化的领域,并且加上了Human in the Loop(人在回路)和双重评估两个适配。 autoresearch证明了一个优雅的普适模式:对任何有明确评估标准的资产,你都可以让AI自主实验、自主迭代、只保留改进。 模型训练可以。论文写作可以。Skill优化也可以。 这个模式的迁移性极强。你有任何需要持续优化的东西,都值得想想能不能套上这个框架。 ## 开源 达尔文.skill今天开源了。 ## 跑在自己的Skill前面 我之前写过一篇「把同事作为skill」,里面有句话:「把自己的工作流程Skill化的人,恰恰是最不容易被Skill替代的人。因为他把重复的部分交给了Skill,自己腾出手来去想新的东西。他永远跑在自己的Skill前面。」 达尔文.skill让这件事又往前推了一步。以前是你把流程变成skill,然后自己去做更有趣的事。现在连「让skill变得更好」这件事本身,也可以交给一个skill来做了。 我的那些skill处理的是我已经想清楚的部分,是标准化了的、可重复的流程。调研怎么做,配图怎么生成,排版怎么走,这些它们自己流转自己跑。而我在这上面干的事情,是思考和迭代。达尔文做的,是把「迭代」这件事也自动化了一层。 不过说到底,达尔文.skill解决的问题比skill优化本身更大。它验证了一个我觉得很重要的直觉:当你给任何创造性工作加上「只保留改进」的约束时,时间就站在了你这边。 你不需要每一步都走对,你只需要确保走错的那步不留痕迹。 这个道理适用于skill,也适用于写作、做产品、甚至过日子。 ## 安装 GitHub: https://github.com/alchaincyf/darwin-skill > npx skills add alchaincyf/darwin-skill 装完在Claude Code里说「优化所有skills」或者「优化某个skill」就行。 如果你和我一样,手里有一堆skill但不确定它们的质量到底怎么样,这个工具会给你一个清晰的数字。 ## 相关链接 - [@AlchainHust](https://x.com/AlchainHust) - [61K](https://x.com/AlchainHust/status/2043709317296361851/analytics) - [达尔文优化的是SKILL.md](http://xn--skill-ft2ho2ventb7tcqb9z6gbj1d.md/) - [每次只改一个SKILL.md](http://xn--skill-fg1hyj391boi3b7lmxxb.md/) - [https://github.com/alchaincyf/darwin-skill](https://github.com/alchaincyf/darwin-skill) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [11:14 PM · Apr 13, 2026](https://x.com/AlchainHust/status/2043709317296361851) - [61.1K Views](https://x.com/AlchainHust/status/2043709317296361851/analytics) - [View quotes](https://x.com/AlchainHust/status/2043709317296361851/quotes) --- *导出时间: 2026/4/14 23:51:27*
微 微软开源 Resource2Skill 项目 微软开源了 Resource2Skill 项目,并发表了相关 arXiv 论文。该项目通过自动将教程视频、文章、代码等人类资源蒸馏成 Agent 可直接执行的技能,解决了技能来源问题。Agent 能够浏览、组合和运行这些技能,生成网页、PPT、Excel、Blender 场景甚至音频作品,标志着技能生成从手写进入自动提炼阶段。 技术 › Agent ✍ Jason Zhu🕐 2026-07-21 微软Resource2SkillSkillAgent开源自动化论文
1 1 个 Skill 自动添加字幕,ByeBye 剪映会员 文章介绍了一种利用 Claude/Codex Skill 技术结合 Whisper 和 ffmpeg 实现本地化视频自动加字幕的方法。该方法通过将听写、校对翻译和烧录三个步骤拆分,利用 LLM 的纠错能力解决了传统软件(如剪映)识别不准和需手动修改的痛点,实现了免费、高准确率和全自动化的字幕制作流程。 技术 › Skill ✍ 实践哥MinLi🕐 2026-05-30 Claude CodeSkillWhisper自动化视频处理工具与效率开源
S Superpowers:Claude Code 效率暴涨 10 倍的秘密 文章介绍了 Claude Code 的开源技能库 Superpowers,它如同 AI 的导航系统,通过头脑风暴、计划拆解、子代理驱动开发和测试驱动四大核心工作流,自动引导用户从构思到上线。该系统有效降低了认知负荷,并通过严格的审查机制确保代码质量,是提升企业 AI 交付效率的利器。 技术 › Skill ✍ Miles.🕐 2026-05-22 Claude CodeSuperpowers工作流Agent测试驱动自动化开源效率工具开发实践LLM
我 我花10分钟做了产品调研Skill,以后不用自己扒竞品了 针对运营同事使用通用AI生成竞品报告出现数据失真的问题,作者开发了一款名为 'ai-product-research' 的自动化调研 Skill。该工具利用 XCrawl 的 Search 和 Scrape API,模拟人类“先搜再抓”的逻辑,自动获取产品官网、GitHub 数据及社区评价,并在 2 分钟内输出包含定价、技术指标和竞品对比的结构化报告。文章实测了 Cursor 和 AIHOT,效果精准且成本极低。 技术 › Agent ✍ 木马人🕐 2026-05-12 AgentSkill开源工具竞品分析自动化爬虫PythonClaude Code产品调研XCrawl
如 如何编写工业级 Agent Skill 指南 文章深入探讨了如何编写高质量的工业级 Skill(AI 技能/工作流)。文章指出 Skill 不同于简单的 Prompt,它需要具备按需加载、限制工具边界、配置适配模型、分层管理内容(SKILL.md 与 references/scripts 分离)以及建立评估测试闭环等特性。通过遵循最小权限原则、渐进式披露和迭代验证,可以将经验固化为稳定、可维护的自动化工作流。 技术 › Skill ✍ Ren🕐 2026-05-04 AgentSkillCLAUDE.md工程化提示词技巧WorkflowDevOps自动化最佳实践Claude Code
开 开源「洁癖.Skill」,让你的Agent越用越聪明 文章介绍了一款名为“洁癖.Skill”的开源工具,旨在解决Agent长期使用后因上下文和文档混乱导致的“越用越笨”问题。该Skill通过自动审查和迭代项目的文档、记忆及配置文件(如CLAUDE.md),确保知识库的准确性,适用于Claude Code、Codex等多个平台。作者提出“合并优于追加,删除优于保留”的原则,强调在AI协作中保持信息纯净比信息海量更重要,这能让开发者通过“存档”机制实现Agent的持续进化。 技术 › Skill ✍ 数字生命卡兹克🕐 2026-04-29 AgentClaude开源工具与效率文档管理Claude Code洁癖.Skill提示工程上下文管理自动化
0 00后用Claude Code做副业,4个月变现超10万 本文讲述了作者利用 Claude Code 等工具构建自动化工作流,在4个月内实现副业收入超10万的实战经历。内容涵盖抖音接单、SEO出海站群建设、半自动化外链系统开发以及 Skill 包产品化变现。作者分享了从工程化交付到建立长期资产的心得,强调了工具放大个人交付上限的重要性。 技术 › Claude Code ✍ 百年 AI×出海🕐 2026-04-28 Claude CodeAI副业变现SEO自动化工作流出海AgentSkill个人成长
如 如何用 Claude Skill 制作高质量 PPT(附完整教程) 文章介绍了作者基于 Anthropic 的 Claude Design 功能封装的一个开源 Skill,该工具能通过对话自动生成高质量 PPT、产品宣传动效及前端网页。文中提供了 GitHub 地址,并详细演示了从安装到实战(文章转 PPT、产品文案转动效)的全过程,旨在降低设计门槛,帮助普通人快速将想法转化为高质量的可传播内容。 技术 › Skill ✍ 阿西_出海🕐 2026-04-27 ClaudeSkillPPT设计教程自动化AI工具Claude Code开源工作效率
我 我用Obsidian + Claude Code搭了一个健脑房 本文详细介绍了作者如何构建基于Obsidian和Claude Code的个人工作流系统。文章提出了“未经人脑处理的知识不进仓库”和“输入服务于输出”两大原则,通过构建COO、CTO、心理医生等AI Agent角色,配合定时任务和自动化工作流,实现了一个具有问责机制、自动化记录和个人百科功能的数字“健脑房”,旨在提升思考质量与工作效率。 技术 › 工具与效率 ✍ Haoshan Hong🕐 2026-04-06 ObsidianClaude CodeAgent工作流个人知识管理AI自动化生产力提示词开源
6 6000 Stars的飞书CLI到底能干嘛?我用Claude Code接了一遍 文章详细介绍了飞书开源的 CLI 工具,该工具拥有 6000+ Stars 和 19 个预置 Agent Skills。作者阐述了在 AI 时代 CLI 相比 API 的优势,其三层命令架构设计,以及如何通过 Claude Code、Cursor (MCP) 和 OpenClaw 接入 AI。文章还展示了日程查询、自动发消息、会议纪要生成等实战场景,并提供了安装指南和风险提示。 技术 › 工具与效率 ✍ Jason Zhu🕐 2026-04-02 飞书CLIClaude CodeAgent自动化开源WorkflowMCP效率工具Lark
6 6种架构模式+60%质量提升:Harness开源项目落地实践 文章介绍了开发者 revfactory 开源的 Claude Code 插件 'Harness',该工具将 Harness Engineering 概念转化为实际可用的协作架构生成器。它内置了 Pipeline、Fan-out/Fan-in 等 6 种协作模式和 5 套团队模板,利用 Progressive Disclosure 技术解决上下文问题。A/B 测试显示,使用该工具在 15 个软件工程任务中实现了 60% 的质量提升和 100% 的胜率,标志着多 Agent 协作从概念讨论迈向了工具化落地。 技术 › Harness Engineering ✍ Jason Zhu🕐 2026-04-01 AgentClaude Code开源架构模式A/B测试自动化代码审查多Agent协作技能构建软件工程
刚 刚刚,飞书CLI开源,Claude Code也可以丝滑操控飞书了 文章介绍了飞书开源CLI工具这一重要事件,作者认为其意义深远,标志着产品形态从GUI向CLI的转变。通过Claude Code结合飞书CLI,AI Agent可以直接通过命令行操控飞书,完成群发消息、多维表格数据检查、自动生成日报等复杂自动化任务。作者不仅详细讲解了安装配置流程,还展望了未来所有软件都将具备CLI接口以适应AI操作的趋势。 技术 › Claude Code ✍ 数字生命卡兹克🕐 2026-03-28 飞书CLIAgentClaude Code开源自动化办公效率AI工具OpenClaw多维表格