darwin-skill
一个像训练模型一样，自动评估并优化Agent Skill质量的工具。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：darwin-skill。 它的用途是：一个像训练模型一样，自动评估并优化Agent Skill质量的工具。 完整的 Skill 内容见：https://321skill.com/skills/darwin-skill/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
当你
对AI说：“请用Darwin Skill优化一下我这个SKILL.md文件的质量。” 它会自动加载你的Skill，运行9维度评估，生成当前分数报告，然后启动优化循环，尝试改进结构、补充失败处理等，并通过测试验证效果，最后将优化后的版本和对比卡片呈现给你确认。
介绍
Darwin Skill 2.0 旨在解决AI Agent Skill质量参差不齐、人工优化效率低下的问题。它借鉴了进化算法和微软研究的成果，通过一套严格的9维评分体系，对Skill文件进行静态分析和动态测试，自动寻找改进方案，并确保每次修改都带来实际效果的提升。
使用方式非常直接：用户只需提供Skill文件（如SKILL.md），Darwin Skill便会自动启动评估-优化循环。它会调用独立的评判Agent进行盲测打分，基于分数进行“爬山”式优化，并通过测试提示词验证改进效果，最终生成可视化的结果卡片供用户确认。
这个工具非常适合Skill开发者、AI应用构建者以及对Agent能力有高质量要求的团队。他们可以利用Darwin Skill在开发后期进行质量审查，或在迭代过程中持续提升Skill的可靠性和有效性。
与市面上常见的代码格式化或结构检查工具不同，Darwin Skill的核心区别在于其“验证门控”设计。它不仅检查Skill文档的规范性，更关键的是会实际运行测试，用输出结果来验证优化是否真的有效，避免了“纸上谈兵”的优化，确保每一次提交都是实质性的进步。
核心特点
核心区别在于集成了微软研究的实证评分框架（SkillLens）和验证门控机制（SkillOpt），确保优化不仅停留在文档层面，更能通过实际测试提升Skill的执行效果。
注意事项
不适合对优化过程要求完全实时、无需人工确认的完全自动化场景，其评估循环依赖一定的计算资源。
常见问题
Darwin Skill能优化任何Skill吗？
主要针对遵循SKILL.md格式的Agent Skill，通过其9维评分体系进行优化。
优化过程需要我参与吗？
需要，它采用“人在回路”设计，关键改进点会暂停等待用户确认，确保优化方向符合预期。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/darwin-skill/raw/index.md 读取 darwin-skill 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/darwin-skill/raw/index.md（查看排版版本）