一個 Claude Code Skill 的長期自我進化系統 (Skill Gardener)

原始來源與檔名：20260512_2026-04-28T092743+0800-一个Claude Code Skill 的长期自我进化系统！.md

來源：[[@binghe]] / X (Twitter) — 2026-04-23 原始檔名：2026-04-28T092743+0800-一个Claude Code Skill 的长期自我进化系统！.md

NAPKIN | 餐巾紙

餐巾紙公式

Skill Gardener System = Pairwise Preference Voting (Not Absolute Scoring) + Passive Usage Logs (Not Synthetic Prompts) + Arena Protocol (Survival of the fittest 6 candidates) + Style Anchors (Preserving user taste). Result = A Skill that organically evolves and self-corrects over time based on real usage.

這是一款專門用來「優化其他 Skill」的 Claude Code 工具：skill-gardener。它摒棄了傳統 LLM 不精準的絕對打分制，改用符合人類直覺的「偏好投票（A 還是 B 更好）」。系統會在後台默默記錄你日常真實使用的日誌作為訓練素材。優化時，它會一次生成 6 種不同方向的改進版本（精簡冗餘、增加邊界等），讓它們在「競技場」中兩兩對決，並透過與你預設的「風格錨點」比對，確保 Skill 在變聰明的同時，依然保留你獨特的審美與說話語氣。

一句話

這是一篇介紹進階 Prompt / Skill 工程架構的技術分享。作者開發了 skill-gardener，一個能讓 Claude Code Skill 自我迭代的元系統 (Meta-Skill)。其核心設計理念包含：將 LLM 評估從「分數」改為「二元分類檢測與成對比較」、強制使用真實的被動日誌代替人造測試集、實施多向變異與淘汰的演化機制，並首創「風格錨點 (Style Anchor)」來守護創作者的個人品味。這套系統讓 Skill 的成長不再是靠運氣微調，而是數據驅動的長期進化。

餐巾紙草圖

[ Skill Gardener Evolution Loop ]

1. Passive Logging: Records real usage of "Skill X" in `usage.jsonl`.
2. Mutation: Generates 6 diverse candidates for the new Prompt:
   [A. Concise] [B. More edge cases] [C. Workflow fixed] ...
3. Style Check: Does Candidate B match my "Style Anchor"? (If No -> Reject).
4. Arena Battle: Remaining candidates compete via LLM Pairwise Voting.
5. Survival: Winner becomes the new "Skill X" prompt.

ROUND 1: SKELETON | 骨架掃描

“這篇文章在說什麼”

• 工具定位: 這是一個進化 Skill 的 Skill (skill-gardener)，目的是讓使用者的 Skill 庫透過時間積累變得越來越強。
• 五大核心設計:
  1. 捨棄打分，改用「成對比較」: LLM 給絕對分數會漂移，但判斷「A 比 B 好」非常穩定（偏好投票機制）。
  2. 真實評估集: 拒絕人工合成 Prompt，使用被動記錄的真實觸發場景與後續修正對話作為評估資料。
  3. 失敗模式檢測: 將模糊評估轉為「二元分類任務+證據提取」（例如：是否偏離意圖？是否出現 AI 味辭彙？）。
  4. 競技場變異淘汰 (Arena Protocol): 每輪優化產生 4-6 個不同方向的候選版本（精簡、重組、加約束等），兩兩對決，勝者晉級。
  5. 風格錨點 (Style Anchor): 提供 5-10 個「就是這樣」的完美歷史輸出作為基準。新候選版本若偏離這個審美錨點，就算功能再強也直接淘汰。
• 運行架構: 包含基礎配置檔（定義失敗模式、策略）與動態生成檔（累積的品味資料庫、歷史日誌）。

ROUND 2: DISSECTION | 血肉解剖

“憑什麼這麼說”

核心論證鏈

1. LLM 評估的相對性原理: 業界公認（如 Chatbot Arena 的 ELO 機制），LLM 在擔任裁判時，絕對分數的可靠性極低（容易受提示詞微小變動影響），但 Pairwise Comparison (成對比較) 的一致性極高。Skill Gardener 的底層邏輯完全符合當前模型評測的科學共識。
2. 多樣性與選擇壓力的演化論: 如果只讓 LLM 進行單線程的「修改自己」，往往會陷入局部最佳解（Local Optima），甚至越改越差。一次生成 6 個變異分支並放入競技場廝殺，是將遺傳演算法 (Genetic Algorithm) 的思想應用在 Prompt 優化上。

關鍵證據

• “AI 味檢測”：系統能自動檢測出「深入淺出」、「相得益彰」等陳腔濫調，這是痛擊目前很多 AI 工具輸出品味低下的有效手段。

邊界條件

• 這套系統需要極大的耐心與足夠的使用基數。如果你一個 Skill 一個月只用兩次，日誌資料量太少，系統根本無法啟動有效的進化循環。「如果你想要的是一個下午讓 Skill 脫胎換骨，這不是它的本來作用。」

ROUND 3: SOUL | 靈魂提取

“還能怎么用”

• 知識連結: 呼應了上一篇《装完 Hermes 一定要配置这五套系统》中提到的 Hermes-agent-self-evolution（遺傳-帕累托進化演算法）。而「風格錨點」的設計，則解決了《可运行不等于可交付》中痛批的「視覺風格隨機化、被模型預設值牽著走」的災難。
• 深層洞見: “LLM 不能对你的审美来打分，因为那是你的个性基因。” 完美的 Prompt 工程不是追求放諸四海皆準的模板，而是打造一個能無限逼近你靈魂深處個人品味的數位分身。錨點 (Anchor) 的概念，是人機協作保護「人類獨特性」的最後一道防線。
• 行動呼籲: 即使你不用這個工具，也請立刻在你的記事本裡建立一個名為 My_Taste_Anchor.md 的檔案。把過去一個月內 AI 寫出讓你拍案叫絕的 5 段文字，以及 3 段讓你覺得「這 AI 味真噁心」的文字貼進去。下次讓 AI 創作時，把它餵進去：「請嚴格按照以下 Anchor 的品味寫作」。