借鉴Karpathy autoresearch理念，对SKILL.md进行结构评分+效果验证的自主优化循环，通过git版本控制实现可回滚的持续改进。
说明：
## 核心用法
**darwin-skill** 是一套受Karpathy autoresearch启发的自主skill优化系统，核心流程为「评估→改进→实测验证→人类确认→保留或回滚」。当用户触发”优化skill”、”skill评分”、”自动优化”等关键词时启动。
### 8维度评估体系（总分100）
– **结构维度60分**：Frontmatter质量、工作流清晰度、边界条件覆盖、检查点设计、指令具体性、资源整合度
– **效果维度40分**：整体架构、实测表现（关键差异点——用测试prompt跑真实输出对比baseline）
### 三阶段工作流
1. **Phase 0.5**：设计2-3个测试prompt，用户确认后进入评估
2. **Phase 1**：基线评估，生成评分卡，等用户确认
3. **Phase 2**：hill-climbing优化循环，每轮只改一个维度，用独立子agent重跑测试，总分严格提升才保留，否则git revert
### 关键设计
– **棘轮机制**：只保留改进，自动回滚退步
– **评分独立性**：效果维度必须用子agent或干跑验证，避免「自己改自己评」
– **人在回路**：每个skill优化完展示git diff和分数变化，等用户确认再继续
– **探索性重写**：连续瓶颈时可选全盘重构，突破局部最优
## 显著优点
– **实测驱动**：不只看写得规不规范，更看改完后实际跑出来的效果是否更好
– **可解释性强**：每轮改动单一维度，归因清晰，results.tsv完整记录历史
– **风险可控**：git分支隔离，revert而非reset，用户随时可介入回滚
– **与花叔生态对齐**：尊重中文为主、简洁为上的风格
## 潜在缺点
– **资源消耗大**：每个skill需跑2-3次子agent测试，全量优化成本较高
– **测试prompt质量依赖人**：设计不佳会导致优化方向偏差
– **效果评分主观性**：即使子agent评分，「输出质量」判断仍有主观成分
– **收敛速度不确定**：局部最优时需要探索性重写，增加不确定性
## 适合人群
– 拥有5个以上skills、需要系统化管理质量的中高级用户
– 愿意投入时间理解评估逻辑、参与人在回路确认的技术型用户
– 追求”可测量改进”而非”感觉变好”的数据驱动型用户
## 常规风险
– **过度优化**：可能为追求分数提升而牺牲skill简洁性（有文件大小150%约束缓解）
– **测试泛化不足**：测试prompt覆盖不全时，优化后的skill在真实场景中可能退化
– **子agent失败降级**：资源不足时退化为干跑验证，评分可靠性下降
– **git操作依赖**：环境若无git或分支冲突，可能中断流程
