Install
npx skills add alchaincyf/darwin-skill누구에게 맞나
이 스킬은 이미 Agent Skill이 있고 실험 루프로 평가하고 개선하려는 사람을 향한다. 공식 표현은 모델을 훈련하듯 Agent Skills를 최적화한다는 것이다. Karpathy의 autoresearch에서 영감을 받아 자율 실험 루프를 모델 훈련에서 Skill 최적화로 옮겼다.
영감 출처:
https://github.com/karpathy/autoresearch
처음부터 첫 스킬을 쓰는 법을 가르치지 않으며 범용 프롬프트 다듬기도 아니다. 더 맞는 출발점은 실행 가능한 스킬 파일이 이미 있고, 어느 차원이 약한지 본 뒤 고칠지 정하는 것이다. 평가할 스킬이 아직 없으면 페이지에 「먼저 스킬을 만든다」는 다른 완전한 튜토리얼은 없다.
공식 설명:
https://github.com/alchaincyf/darwin-skill
3분 만에 첫 시도
공식 설치 명령은 이것만 있다:
npx skills add alchaincyf/darwin-skill
이것은 현재 어시스턴트 환경에 스킬을 쓴다. 실행 전에 설치할 것인지 확인한다. 두 번째 설치 명령을 더하지 말 것.
설치 후 위험이 낮은 동작을 한다. 기존 스킬을 하나 고르고 어시스턴트가 다윈 흐름으로 먼저 평가하게 한다. 파일을 직접 바꾸지 말고, 평가 단계에서 삭제나 하드 리셋도 실행하지 말 것. 페이지는 전체 순환이 평가, 개선, 테스트, 유지 또는 롤백을 포함한다고 쓴다. 처음에는 평가 결과까지만 가고 다음 단계가 스킬을 다시 쓸지 분명히 본다.
어시스턴트가 Phase 2 단일 차원 최적화에 들어가면 CHECKPOINT에서 멈춰 확인을 기다려야 한다. 성공 신호는 평가 설명을 보고, 다시 쓰기는 당신이 동의한 뒤에만 일어나는 것이다. 체크포인트 없이 파일을 계속 바꾸면 즉시 멈춘다.
사용 사례
사례 1: Phase 2 단일 차원 최적화를 체크포인트에서 확인한다. 근거는 이 단계가 강제 일시 정지하고 사용자 확인을 기다린다고 쓴다. 스킬 하나를 주고 단일 차원의 고치는 법만 제안하게 한 뒤, CHECKPOINT에서 제안 변경을 읽고 계속할지 정한다. 확인 전에 새 버전을 자동으로 유지시키지 말 것.
사례 2: 고위험 행동 차단 목록을 대조한다. 근거는 아홉 번째 차원이 스킬이 금지된 파괴적 조작을 명시적으로 나열하도록 요구한다고 쓴다. 예: rm, git reset --hard, force push. 처음에는 대상 스킬이 이 차단 목록을 썼는지 확인만 한다. 그 명령을 실제로 실행하지 말 것. 목록이 없으면 「없음을 지적」에서 멈춘다. 페이지에는 차단 목록을 자동 패치하는 명령이 없다.
사용 경계
최적화 루프는 스킬 파일을 바꾸며 유지 또는 롤백도 포함한다. 처음에는 CHECKPOINT를 건너뛸 수 있는 힌트가 아니라 강제 정지로 다뤄야 한다. 고위험 명령은 평가 대상 스킬이 금지 항목으로 명시한 때에만 이 기준이 덮는다. 근거는 다윈이 모든 rm을 대신 막아 준다고 말하지 않는다.
다루는 것은 Skill 최적화이며 모델 훈련 자체가 아니다. autoresearch는 영감 출처일 뿐이다. 자료에는 평가를 시작하는 구체 슬래시 명령이 없고 테스트셋 형식도 없다. 빠진 단계는 기존 설명에서 멈추고 다른 최적화기를 더 설치하지 말 것.