SkillNexus #05 · 进化引擎：让 Skill 自动变好

Skills 全生命周期创造平台，让你的 Skill 可生成、可量化、可管理、可成长。

SkillNexus 系列导航（共 10 篇）

评测出了分，然后呢？

大多数工具到这里就停了——给你一张报告，剩下的靠你自己。

SkillNexus 的 Evo 模块做的是下一步：基于评测数据，自动诊断弱点，生成改进版本。

两类进化路径

Evo 的进化策略分两类：交互式（你参与，实时可见）和自动化（后台批量，无需干预）。

交互式进化：Studio 三范式

在 Studio 里，你可以选择三种进化范式，流式生成，实时看到 Skill 内容如何变化。

Evidence（证据驱动）

核心思路：外科手术式修复。

把评测低分的用例作为"证据"输入，AI 精准定位问题所在，只修改有问题的部分，不动其他内容。

适合场景：你知道 Skill 在某类输入上表现差，想针对性修复，不想大改。

Strategy（策略矩阵）

核心思路：目标导向优化。

你指定优化目标，比如"提升 G1 正确性和 S2 成本意识"，AI 给出针对性的改进方案，并解释每处修改的理由。

适合场景：你有明确的优化方向，想让 AI 系统性地改，而不是随机调整。

Capability（能力感知）

核心思路：降低执行门槛。

分析 Skill 对 AI 执行能力的要求，识别哪些指令对模型来说太模糊或太复杂，重写成更容易被执行的形式。

适合场景：Skill 在强模型上表现好，但换到弱模型或本地模型就变差。

自动化 SDK 引擎：6 种算法

如果你想批量优化、无人值守运行，SDK 引擎是更好的选择。

SkVM：证据驱动外科手术

取最近评测历史中最弱的 2 个维度，找出对应的失败样本作为"证据"，针对性修复，不动其他内容。同时追溯 4 代祖先版本，防止在同一问题上来回振荡。

逻辑：有证据的改动比随机调整更可靠，改得少比改得多更安全。

EvoSkill：最差样本驱动

找出评分最低的测试用例，针对这些"最差情况"改进 Skill，多轮迭代直到收敛。

逻辑：一个 Skill 的下限决定它的可靠性。 持续提升最差情况，整体质量自然上升。

CoEvoSkill：生成器 - 验证器循环

两个 AI 角色相互博弈：

• 生成器：提出 Skill 改进方案
• 验证器：对改进方案进行对抗性测试，找漏洞

循环迭代，直到验证器找不到明显问题。

逻辑：单一 AI 的盲点可以被另一个 AI 发现。对抗性验证比自我评估更可靠。

SkillX：成功模式提取

从历史高分用例中归纳规律——什么样的输入结构、什么样的任务类型，这个 Skill 表现最好？把这些规律编码进 Skill 正文。

逻辑：与其修复失败，不如放大成功。

SkillClaw：集体失败分析

跨多个会话、多个用例，聚类失败模式——找出结构性缺陷，而不是个案问题。

逻辑：单次失败可能是偶然，多次失败的共同模式才是真正的问题所在。

SkillMOO：多目标 Pareto 优化

在多个相互冲突的目标之间找最优解集。比如"提升 G1 正确性"和"降低 S2 token 消耗"往往是矛盾的——更详细的输出通常更正确，但也更贵。

SkillMOO 不给你一个"最优解"，而是给你一组 Pareto 前沿：在不牺牲其他目标的前提下，每个目标能达到的最好结果。你根据实际需求选择。

进化历史树

每次进化都会记录：

• 进化前后的 Skill 内容（Diff 视图）
• 使用的进化策略
• 进化前后的评分变化
• 进化时间和使用的模型

这形成一棵进化历史树——你可以看到 Skill 是怎么一步步变好的，也可以随时回滚到任意历史版本。

Plugin 系统：自定义进化算法

如果内置的 6 种算法不够用，你可以开发自己的进化算法：

1
2
3
4
5
6

// {userData}/plugins/my-evo.js
module.exports = class MyEvoEngine extends BaseEvolutionEngine {
  async evolve(skill, evalResults) {
    // 你的进化逻辑
  }
}

放入 {userData}/plugins/ 目录，无需修改源码，无需重新构建，热加载即可使用。

进化引擎与 Electron 完全解耦，可以在 CLI、CI/CD 管道中独立运行——架构细节见 07 · 技术架构。

下一步

Skill 进化了，怎么知道哪些 Skill 是你资产库里的"明星"？

下一篇：06 · Trending 榜单：你的 Skill 资产地图

SkillNexus · 2026 · skyseraph · GitHub