安装
npx skills add alchaincyf/darwin-skill适合谁
这份技能面向已经有一份 Agent Skill、并希望按实验循环去评估和改进它的人。官方说法是：像训练模型一样优化你的 Agent Skills。它受 Karpathy 的 autoresearch 启发，把自主实验循环从模型训练搬到 Skill 优化。
启发来源：
https://github.com/karpathy/autoresearch
它不是从零教你写第一份技能，也不是通用提示词润色。更合适的起点是：手头已有可运行的技能文件，你想看它弱在哪一维，再决定是否改。若你还没有任何技能可评估，页面没有给出另一套“先创建技能”的完整教程。
官方说明见：
https://github.com/alchaincyf/darwin-skill
3 分钟完成第一次尝试
官方安装命令只有这一条：
npx skills add alchaincyf/darwin-skill
这会把技能写入当前助手环境，执行前确认你要安装它。不要再加第二条安装命令。
装好后做低风险动作：选一份现有技能，让助手按达尔文流程先评估，不要直接改文件，更不要在评估阶段执行删除或硬重置。页面写明完整循环包括评估、改进、测试，以及保留或回滚；第一次只走到评估结果，并看清下一阶段会不会改写技能。
若助手进入 Phase 2 单维度优化，必须在 CHECKPOINT 停下等你确认。成功信号是你看到评估说明，并且任何改写发生在你点头之后。没看到检查点就继续改文件，应立刻停止。
使用案例
案例一：Phase 2 单维度优化并在检查点确认。证据写明这一阶段会强制暂停，等用户确认。把一份技能交给助手，只允许它提出单一维度的改法，在 CHECKPOINT 先读拟议改动，再决定是否继续。未确认前不要让它自动保留新版本。
案例二：核对高风险行动黑名单。证据写明第九维要求技能显式列出禁止的破坏性操作，例如 rm、git reset --hard、force push。第一次只检查目标技能有没有写出这份黑名单，不要真的去跑这些命令。若名单缺失，做到“指出缺失”为止；页面没有写自动修补黑名单的命令。
使用边界
优化循环会改你的技能文件，也包含保留或回滚。第一次必须把 CHECKPOINT 当成硬停，而不是可跳过的提示。高风险命令只有在被评估的技能里显式列为禁止项时，这套标准才覆盖到它们；证据没有说达尔文会替你拦截每一次 rm。
它处理的是 Skill 优化，不是模型训练本身。autoresearch 只是启发来源。摘录没有写出触发评估的具体斜杠命令，也没有写出测试集格式。缺少的步骤停在现有说明，不要补装其他优化器。