Evaluar y mejorar una Agent Skill existente con darwin-skill

Para quién

Esta skill se dirige a quien ya tiene una Agent Skill y quiere evaluarla y mejorarla con un bucle de experimento. Oficialmente: optimizar tus Agent Skills como se entrena un modelo. Se inspira en el autoresearch de Karpathy y mueve un bucle de experimento autónomo del entrenamiento de modelos a la optimización de Skill.

Fuente de inspiración:

https://github.com/karpathy/autoresearch

No te enseña a escribir la primera skill desde cero y no es un pulido genérico de prompts. Un mejor punto de partida: ya tienes un archivo de skill ejecutable, quieres ver en qué dimensión es débil y luego decidir si cambiar. Si aún no tienes ninguna skill que evaluar, la página no da otro tutorial completo de «crear primero una skill».

Notas oficiales:

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

Primer intento en 3 minutos

El comando oficial de instalación es solo este:

npx skills add alchaincyf/darwin-skill

Esto escribe la skill en el entorno del asistente actual. Confirma antes de ejecutar que quieres instalarla. No añadas un segundo comando de instalación.

Tras instalar, una acción de bajo riesgo: elige una skill existente, haz que el asistente la evalúe primero con el flujo Darwin, no cambies archivos directamente y no ejecutes borrados ni hard reset en la evaluación. La página dice que el bucle completo incluye evaluar, mejorar, probar y conservar o revertir. La primera vez, detente en el resultado de evaluación y mira con claridad si la siguiente etapa reescribirá la skill.

Si el asistente entra en la optimización de una dimensión de Phase 2, debe detenerse en CHECKPOINT y esperar tu confirmación. Señal de éxito: ves las notas de evaluación y cualquier reescritura ocurre solo después de que aceptes. Si sigue cambiando archivos sin punto de control, detente de inmediato.

Casos de uso

Caso 1: optimización de una dimensión en Phase 2 con confirmación en el punto de control. La evidencia dice que esta etapa fuerza una pausa y espera la confirmación del usuario. Entrega una skill, permite solo una propuesta de cambio de una dimensión, lee el cambio propuesto en CHECKPOINT y luego decide si continuar. No dejes que conserve automáticamente una versión nueva antes de confirmar.

Caso 2: comprobar la lista de bloqueo de acciones de alto riesgo. La evidencia dice que la novena dimensión exige que la skill enumere de forma explícita las operaciones destructivas prohibidas, por ejemplo rm, git reset --hard, force push. La primera vez, solo comprueba si la skill objetivo escribió esta lista; no ejecutes de verdad esos comandos. Si falta la lista, detente en «señalar la ausencia». La página no escribe un comando que parchee la lista de bloqueo automáticamente.

Límites

El bucle de optimización cambiará tus archivos de skill e incluye conservar o revertir. La primera vez, trata CHECKPOINT como una parada dura, no como una pista que se puede saltar. Los comandos de alto riesgo quedan cubiertos por este criterio solo cuando la skill evaluada los lista como prohibidos; la evidencia no dice que Darwin interceptará cada rm por ti.

Trata la optimización de Skill, no el entrenamiento de modelos en sí. autoresearch es solo la fuente de inspiración. Los materiales no escriben un comando slash concreto que dispare la evaluación ni un formato de conjunto de prueba. Los pasos que faltan se detienen en las notas existentes; no instales otro optimizador.