達爾文.skill 2.0上手實測：吸收微軟兩篇論文精華，讓AI skill自動進化
整理版優先睇
花叔實測 darwin-skill 2.0，吸收微軟兩篇論文精華，幫你自動優化 AI Skill
呢篇文章係花叔對 darwin-skill 2.0 嘅實測分享。花叔本身係 AI 工具愛好者，成日試用唔同工具。佢發現呢個新版直接吸收了微軟研究院兩篇論文（SkillLens 同 SkillOpt）嘅評分 rubric，用喺 opencode skill 上面，好少見。
整體嚟講，darwin-skill 做嘅係一件事：自動評估你啲 skill 嘅質量，揾出最弱嘅維度，自己改完再打分，分數升就保留，冇升就回滾。佢直接抄咗 Karpathy 嘅 autoresearch 邏輯，只係將訓練腳本換成 SKILL.md。花叔實測後覺得，如果你有十幾個 skill 又冇時間逐個執，呢個工具好適合；但如果 skill 已經高分（88以上），就推唔鬱，邊際收益好低。
結論係：呢個工具係一個「從60分提到80分」嘅好幫手，唔係萬能。佢嘅評分結構着重實測效果（40分入面25分睇真實 prompt 輸出），而且新增嘅三個維度（失敗模式編碼、可執行具體性、高風險行動黑名單）都係從論文度扒返嚟，好實用。
- darwin-skill 2.0 自動評估 skill 質量，識別最弱維度並改進，分數升就保留，冇升就回滾。
- 評分結構：滿分100，結構佔60分，效果佔40分；效果維度中25分直接睇真實 prompt 輸出，跑唔掂就零分。
- 新增三個維度：失敗模式編碼、可執行具體性、高風險行動黑名單，全部源自微軟論文。
- 實測數據：低分 skill 有明顯提升（如 obsidian skill 從31.7升到51.2），但高分 skill（88+）推唔鬱。
- 適合 skill 超過10個、評分長期低過80嘅用家，一行命令安裝後自動迭代，唔使手動逐個精修。
darwin-skill 項目地址
GitHub 倉庫，包含源碼同使用說明
安裝命令
一鍵安裝 darwin-skill，然後用「優化所有 skills」指令執行
呢個工具解決咩問題？
手上有十幾個 skill 嘅人都知，維護唔到咁多。邊個寫得好、邊個跑起嚟翻車、差喺邊——靠人一個一個檢查唔現實。darwin-skill 做嘅嘢好窄：評估 skill 質量，揾出最差嗰個維度，自己改，改完重新打分。分數升就保留，冇升就回滾。
邏輯直接抄 Karpathy 嘅 autoresearch，只係將訓練腳本換成 SKILL.md
咁樣就慳返好多人工，尤其係對於一啲寫得粗糙嘅 skill，可以自動迭代改善。
評分結構：點樣先叫一個好 skill？
滿分100分，結構佔60分，效果佔40分。但實測嗰部分先係重點——40分裏面25分直接畀「拎真實 prompt 跑一次，輸出得唔得」。花叔話：一個結構滿分但跑起嚟一塌糊塗嘅 skill，遠不如寫得粗糙但好用嘅。所以效果維度跑得唔好就係零分。
v2.0 仲加咗三個維度，全部從微軟嗰兩篇論文度扒返嚟：
- 失敗模式編碼——唔係剩係話「小心出錯」，而係將已知嘅翻車路徑寫入 skill
- 可執行具體性——禁止「建議/可以考慮」呢啲字眼，一定要寫「執行以下命令」
- 高風險行動黑名單——rm、git reset --hard 呢啲操作必須顯式禁止
驗證都升級咗：每輪兩個獨立評委打分，下一輪換人，防止錨定效應。單輪漲唔到1分就停，唔會硬湊。不過高分 skill（88分以上）基本推唔鬱，邊際收益好低，改到咁上下再上就係吹毛求疵。
實測數據：幾分真係有進步？
GitHub 上公開跑出嚟嘅記錄，花叔自己都試過：
- huashu-gpt-image skill：80.8 → 91.5 → 91.65（+10.85，用咗6個評委）
- darwin-skill 自評：86.05 → 92.05 → 92.7
- obsidian skill（低分起步）：31.7 → 51.2（+61.5%）
花叔自己實測審計咗 wewrite 技能，優化後評分提升咗大約10分，而且 skill 邏輯更清晰，大模型思考都更清晰。佢話效果係指數級提升。不過要注意：你想要嘅係一個由60分提到80分嘅工具，佢好合適；如果 skill 已經90分，佢幫唔到幾多。
低分 skill 提升明顯（+61.5%），高分 skill 邊際效益低
點樣用？一行命令搞掂
npx skills add alchaincyf/darwin-skill裝完之後，喺 opencode 或 openclaw 入面講「優化所有 skills」。如果淨係想優化某一個，直接講個 skill 名就得。darwin-skill 會自動掃描、揾出最低分維度、修改、commit、重新打分，每輪結束停一停畀你睇 diff。你確認就繼續，唔確認就回滾。大部分低分 skill 喺3-5輪內會見到明顯提升。
如果唔用 GitHub，直接 download zip 包，將 SKILL.md 放去 ~/.config/opencode/skills/darwin-skill/ 或 ~/.openclaw/skills/darwin-skill/ 就得。
幾時值得裝？
如果你有超過10個 skill，有啲寫得粗糙但冇時間逐個精修，評分又長期喺80分以下——裝一個畀佢自己迭代，半個月返嚟睇就得。
花叔今次吸收微軟兩篇論文精華，對 skill 優化係技術大躍遷
值得一提嘅係，花叔實測優化 wewrite 技能後，唔單止評分升咗，策劃選題嘅效果都明顯好咗。佢對另一個 skill 審計優化，未跑完就已經提升咗20分。所以如果你都想自己啲 skill 自動進化，不妨一試。
達爾文.skill 2.0
上手實測
花叔嘅 darwin-skill 新版最令我意外嘅係：佢直接吸收咗微軟研究院兩篇論文（SkillLens 同 SkillOpt）嘅實證 rubric。一個 opencode skill 同學界論文對齊，呢件事唔係好常見。
項目地址：
github.com/alchaincyf/darwin-skill
| / |
手上有幾十個 skill 嘅人都知，維護唔嚟。邊個寫得好、邊個 run 起嚟出事、差喺邊——靠人逐個檢查唔現實。darwin-skill 做嘅嘢好窄：評估 skill 質量，找到最差嗰個維度，自己改，改完重新打分。分數升咗保留，冇升就回滾。
邏輯直接抄嘅 Karpathy 嘅 autoresearch——只不過將訓練腳本換成咗 SKILL.md。
| / |
滿分100，結構佔60分，效果佔40分。但係實測嗰部分先係大頭——40分入面25分直接畀"拎真實 prompt 跑一次，輸出好唔好"。花叔嘅原話：一個結構滿分但 run 起嚟一塌糊塗嘅 skill，遠不如寫得粗糙但好用嘅。所以效果維度入面跑出嚟唔好就係零分。
v2.0 加咗三個維度，全部都係從微軟嗰兩篇論文抄返嚟嘅：
▪ 失敗模式編碼——唔淨係話"小心出錯"，而係將已知嘅出事路徑寫入 skill。
▪ 可執行具體性——禁止"建議/可以考慮"呢啲詞，一定要寫"執行以下命令"。
▪ 高風險行為黑名單——rm、git reset --hard 呢啲操作一定要清楚禁止。
驗證都升級咗：每輪兩個獨立評委打分，下一輪換人，防止一個評委不斷評產生錨定。單輪升唔到1分就停，唔硬湊。
不過講真，佢都有侷限。高分 skill（88分以上）基本推唔鬱喇，邊際收益好低。呢個同預期一致——改到某個程度再上去就係吹毛求疵。
| / |
GitHub 上公開跑出嚟嘅記錄：
▪ huashu-gpt-image skill：80.8 → 91.5 → 91.65（+10.85，6個評委）
▪ darwin-skill 自評：86.05 → 92.05 → 92.7
▪ obsidian skill（低分起步）：31.7 → 51.2（+61.5%）
你想要嘅係一個從60分提到80分嘅工具，佢好合適。如果 skill 已經90分咗，佢幫唔到太多。
我實測審計咗 wewrite 技能
佢畀出嘅 skill 短板同優化意見
優化後嘅評分
| / |
一行命令：
01npx skills add alchaincyf/darwin-skill
裝完喺 opencode 或 openclaw 入面講"優化所有 skills"。淨係想 run 某一個，直接講 skill 名。
darwin-skill 會自動掃描、揾出最低分維度、修改、commit、重新打分，每輪結束停一停畀你睇 diff。你確認就繼續，唔確認就回滾。大部分低分 skill 3-5 輪內會見到明顯提升。
唔依賴 GitHub 嘅話直接下載 zip 包，將 SKILL.md 放到 ~/.config/opencode/skills/darwin-skill/ 或 ~/.openclaw/skills/darwin-skill/ 就行。
| / |
skill 超過10個、有啲寫得粗糙但冇時間逐個精修、評分又長期喺80以下——裝一個讓佢自己迭代去，半個月之後返嚟睇就得。
花叔今次吸收咗微軟研究院5月23發佈嘅兩篇論文（SkillLens 同 SkillOpt）之精華，對 skill 優化絕對係技術上嘅大躍進，以下係我優化 wewrite 技能後，實測令佢策劃選題嘅效果截圖。
實測評分升咗10分左右，更重要嘅係 skill 邏輯更清晰，大模型思考都更清晰咗，佢畀出嘅效果係指數級提升咗。
以下係對另一個 skill 嘅審計優化，未 run 完就已經升咗20分。
達爾文.skill 2.0
上手實測
花叔的 darwin-skill 新版最讓我意外的是：它直接吸收了微軟研究院兩篇論文（SkillLens 和 SkillOpt）的實證 rubric。一個 opencode skill 跟學界論文對齊，這事不太常見。
項目地址：
github.com/alchaincyf/darwin-skill
| / |
手上有幾十個 skill 的人都知道，維護不過來。哪個寫得好、哪個跑起來翻車、差在哪——靠人挨個檢查不現實。darwin-skill 做的事情很窄：評估 skill 質量，找到最拉胯的那個維度，自己改，改完重新打分。分數漲了保留，沒漲就回滾。
邏輯直接抄的 Karpathy 的 autoresearch——只不過把訓練腳本換成了 SKILL.md。
| / |
滿分 100，結構佔 60 分，效果佔 40 分。但實測那部分才是大頭——40 分裏 25 分直接給"拿真實 prompt 跑一遍，輸出好不好"。花叔的原話：一個結構滿分但跑起來一塌糊塗的 skill，遠不如寫得粗糙但好用的。所以效果維度裏跑出來不好就是零分。
v2.0 加了三個維度，全是從微軟那兩篇論文扒來的：
▪ 失敗模式編碼——不只是說"小心出錯"，而是把已知的翻車路徑寫進 skill。
▪ 可執行具體性——禁止"建議/可以考慮"這種詞，必須寫"執行以下命令"。
▪ 高風險行動黑名單——rm、git reset --hard 這種操作必須顯式禁止。
驗證也升級了：每輪兩個獨立評委打分，下一輪換人，防止一個評委反覆評產生錨定。單輪漲不到 1 分就停，不硬湊。
不過說實話，它也有侷限。高分 skill（88 分以上）基本推不動了，邊際收益很低。這跟預期一致——改到一定程度再往上就是吹毛求疵。
| / |
GitHub 上公開跑出來的記錄：
▪ huashu-gpt-image skill：80.8 → 91.5 → 91.65（+10.85，6 個評委）
▪ darwin-skill 自評：86.05 → 92.05 → 92.7
▪ obsidian skill（低分起步）：31.7 → 51.2（+61.5%）
你想要的是一個從 60 分提到 80 分的工具，它很合適。如果 skill 已經 90 分了，它幫不了太多。
我實測審計了wewrite技能
它給出的skill短板和優化意見
優化後的評分
| / |
一行命令：
01npx skills add alchaincyf/darwin-skill
裝完在 opencode 或 openclaw 中說"優化所有 skills"。只想跑某一個，直接說 skill 名字。
darwin-skill 會自動掃描、找出最低分維度、修改、commit、重新打分，每輪結束停一下讓你看 diff。你確認就繼續，不確認就回滾。大部分低分 skill 3-5 輪內能見到明顯提升。
不依賴 GitHub 的話直接下 zip 包，把 SKILL.md 放到 ~/.config/opencode/skills/darwin-skill/ 或 ~/.openclaw/skills/darwin-skill/ 就行。
| / |
skill 超過 10 個、有些寫得糙但沒時間逐一精修、評分又長期在 80 以下——裝一個讓它自己迭代去，半個月回頭看就行。
花叔這次吸收微軟研究院5月23發佈的兩篇論文（SkillLens 和 SkillOpt）之精華，對skill優化絕對是有技術上大躍遷，以下是我優化wewrite技能後，實測讓它策劃選題的效果截圖。
實測評分提升了10分左右，更重要的是skill邏輯更清晰，大模型思考也更清晰了，它給出的效果是指數級提升了。
以下是對另一個skill的審計優化，還沒跑完就提升了20分