Skill 自动进化系统 —— 评估、改进、测试、只保留有改进的修改。受 Karpathy autoresearch 启发。
为什么值得关注
Agent Skill 生态在快速扩张（Claude Code、Codex、OpenClaw 等），当 Skill 数量超过手动维护能力时，需要系统化的质量管理。传统审查只检查结构格式，达尔文.skill 同时评估结构质量和实际效果，用棘轮机制确保只保留改进。
核心特性
- 双重评估：静态结构分析（60分）+ 实际运行效果（40分），总分100
- 棘轮机制：分数只升不降，退步自动 git revert，不积累局部退化
- 独立评分：子 agent 独立评分，避免「自己改自己评」的偏差
- 人在回路：每个 Skill 优化完后暂停，展示 diff + 分数变化，等用户确认
- 8 维评估体系：覆盖结构完整度、触发精准度、步骤可执行性、实测表现等
技术栈
- 基于 SKILL.md 格式（Claude Code / Codex / OpenClaw 等通用）
- HTML（标签/文档层）
- Git 作为版本管理和回滚机制
- 子 agent 架构实现独立评分
适用场景
- 管理大量 Skill（10+）需要系统化质量保障时
- 想持续优化现有 Skill 但不确定改动是否有效时
- 团队协作中需要 Skill 质量不随时间退化时
局限性
- 仅支持 SKILL.md 格式的 Skill 优化
- 评估依赖子 agent 能力，评分标准可能有波动
- 新项目（2026-04 创建），生态和社区尚在早期
生态系统
- 直接灵感来源：Karpathy 的 autoresearch
- 目标平台：Claude Code、Codex、OpenClaw、Trae、CodeBuddy
- 作者相关：花叔 (bookai.top, huasheng.ai)
项目数据
| 指标 | 值 |
|---|---|
| Stars | 1,293 |
| Forks | 152 |
| License | MIT |
| 创建时间 | 2026-04-13 |
| 语言 | HTML |
个人评价
思路清晰，把 autoresearch 的「只保留可测量改进」理念迁移到 Skill 质量管理，解决了 Skill 生态扩张后的维护痛点。8 维评估体系和棘轮机制设计合理。作为新项目增长迅速（一周 1.2k star），值得关注后续发展。