安裝
npx skills add alchaincyf/darwin-skill適合誰
這份技能面向已經有一份 Agent Skill、並希望按實驗循環去評估和改進它的人。官方說法是：像訓練模型一樣優化你的 Agent Skills。它受 Karpathy 的 autoresearch 啟發，把自主實驗循環從模型訓練搬到 Skill 優化。
啟發來源：
https://github.com/karpathy/autoresearch
它不是從零教你寫第一份技能，也不是通用提示詞潤色。更合適的起點是：手頭已有可執行的技能檔案，你想看它弱在哪一維，再決定是否改。若你還沒有任何技能可評估，頁面沒有給出另一套「先建立技能」的完整教學。
官方說明見：
https://github.com/alchaincyf/darwin-skill
3 分鐘完成第一次嘗試
官方安裝命令只有這一條：
npx skills add alchaincyf/darwin-skill
這會把技能寫入當前助手環境，執行前確認你要安裝它。不要再加第二條安裝命令。
裝好後做低風險動作：選一份現有技能，讓助手按達爾文流程先評估，不要直接改檔案，更不要在評估階段執行刪除或硬重設。頁面寫明完整循環包括評估、改進、測試，以及保留或回滾；第一次只走到評估結果，並看清下一階段會不會改寫技能。
若助手進入 Phase 2 單維度優化，必須在 CHECKPOINT 停下等你確認。成功訊號是你看到評估說明，並且任何改寫發生在你點頭之後。沒看到檢查點就繼續改檔案，應立刻停止。
使用案例
案例一：Phase 2 單維度優化並在檢查點確認。證據寫明這一階段會強制暫停，等使用者確認。把一份技能交給助手，只允許它提出單一維度的改法，在 CHECKPOINT 先讀擬議改動，再決定是否繼續。未確認前不要讓它自動保留新版本。
案例二：核對高風險行動黑名單。證據寫明第九維要求技能明確列出禁止的破壞性操作，例如 rm、git reset --hard、force push。第一次只檢查目標技能有沒有寫出這份黑名單，不要真的去跑這些命令。若名單缺失，做到「指出缺失」為止；頁面沒有寫自動修補黑名單的命令。
使用邊界
優化循環會改你的技能檔案，也包含保留或回滾。第一次必須把 CHECKPOINT 當成硬停，而不是可跳過的提示。高風險命令只有在被評估的技能裡明確列為禁止項時，這套標準才覆蓋到它們；證據沒有說達爾文會替你攔截每一次 rm。
它處理的是 Skill 優化，不是模型訓練本身。autoresearch 只是啟發來源。公開材料沒有寫出觸發評估的具體斜線命令，也沒有寫出測試集格式。缺少的步驟停在現有說明，不要補裝其他優化器。