Mit darwin-skill vorhandene Agent Skills bewerten und verbessern

Für wen

Dieser Skill richtet sich an Menschen, die bereits eine Agent Skill haben und sie in einer Experimentsschleife bewerten und verbessern wollen. Offiziell: Agent Skills so optimieren, wie man ein Modell trainiert. Er ist von Karpathys autoresearch inspiriert und verlegt eine autonome Experimentsschleife vom Modelltraining auf Skill-Optimierung.

Inspirationsquelle:

https://github.com/karpathy/autoresearch

Er lehrt nicht, die erste Skill von null zu schreiben, und ist keine allgemeine Prompt-Politur. Ein besserer Start: Sie haben bereits eine lauffähige Skill-Datei, wollen sehen, welche Dimension schwach ist, und dann entscheiden, ob Sie ändern. Haben Sie noch keine Skill zum Bewerten, gibt die Seite kein anderes vollständiges Tutorial „zuerst eine Skill anlegen“.

Offizielle Hinweise:

https://github.com/alchaincyf/darwin-skill

Erster Versuch in 3 Minuten

Der offizielle Installationsbefehl ist nur dieser:

npx skills add alchaincyf/darwin-skill

Das schreibt die Skill in die aktuelle Assistentenumgebung. Bestätigen Sie vor dem Ausführen, dass Sie sie installieren wollen. Keinen zweiten Installationsbefehl hinzufügen.

Nach der Installation eine risikoarme Aktion: eine vorhandene Skill wählen, den Assistenten zuerst nach dem Darwin-Ablauf bewerten lassen, Dateien nicht direkt ändern, in der Bewertung weder Löschen noch Hard-Reset ausführen. Die Seite sagt, die volle Schleife umfasst Bewerten, Verbessern, Testen sowie Behalten oder Zurückrollen. Beim ersten Mal nur bis zum Bewertungsergebnis gehen und klären, ob die nächste Stufe die Skill umschreibt.

Tritt der Assistent in die eindimensionale Optimierung von Phase 2 ein, muss er bei CHECKPOINT stoppen und auf Ihre Bestätigung warten. Erfolgssignal: Sie sehen die Bewertungshinweise, und jede Umschreibung geschieht erst nach Ihrem Einverständnis. Ändert er Dateien ohne Checkpoint weiter, sofort stoppen.

Anwendungsbeispiele

Beispiel 1: eindimensionale Optimierung in Phase 2 am Checkpoint bestätigen. Die Belege sagen, diese Stufe erzwingt eine Pause und wartet auf die Nutzerbestätigung. Eine Skill übergeben, nur einen eindimensionalen Änderungsvorschlag erlauben, die vorgeschlagene Änderung bei CHECKPOINT lesen, dann entscheiden, ob es weitergeht. Vor der Bestätigung keine neue Version automatisch behalten lassen.

Beispiel 2: die Blockliste hochriskanter Aktionen prüfen. Die Belege sagen, die neunte Dimension verlangt, dass die Skill verbotene zerstörerische Operationen explizit auflistet, zum Beispiel rm, git reset --hard, force push. Beim ersten Mal nur prüfen, ob die Ziel-Skill diese Blockliste geschrieben hat; diese Befehle nicht wirklich ausführen. Fehlt die Liste, bei „die Lücke benennen“ bleiben. Die Seite schreibt keinen Befehl, der die Blockliste automatisch flickt.

Grenzen

Die Optimierungsschleife ändert Ihre Skill-Dateien und umfasst Behalten oder Zurückrollen. Beim ersten Mal CHECKPOINT als harten Stopp behandeln, nicht als überspringbaren Hinweis. Hochriskante Befehle fallen unter diesen Maßstab nur, wenn die bewertete Skill sie als verboten auflistet; die Belege sagen nicht, Darwin fange jedes rm für Sie ab.

Behandelt wird Skill-Optimierung, nicht das Modelltraining selbst. autoresearch ist nur die Inspirationsquelle. Die Materialien schreiben keinen konkreten Slash-Befehl zum Starten der Bewertung und kein Testset-Format. Fehlende Schritte bei den vorhandenen Hinweisen belassen; keinen anderen Optimierer nachinstallieren.