用途：对任意目标运行自主优化循环，反复修改目标、测量结果、保留有效改动、丢弃失败改动，直到指标不再提升。适合调优代码性能指标，或改进技能、提示词、智能体的质量。
主要能力：两种模式共用同一爬山循环。指标模式针对能输出数字的代码目标，需提供测量命令与提取命令；评判模式针对技能、提示词、智能体等文本目标，由 LLM 作为评判者进行二元评估。评判模式会自动检测目标类型、读取目标理解用途与约束、生成 3-6 条二元评估标准和 3-5 个测试输入，并在开始前请你确认，结束后给出应用、拒绝或部分应用的推荐。
使用方式：指标模式示例：/optimize --metric "lighthouse_score" --higher-is-better --measure "npx lighthouse http://localhost:3000 --output=json" --extract "jq '.categories.performance.score * 100' lighthouse.json" --files "src//*.tsx,src//*.css" --budget 120。评判模式示例：/optimize --target "~/.claude/skills/ExtractWisdom" --max-experiments 20。支持 --resume 恢复、--status 查看摘要。指标模式常用参数包括 --metric、--measure、--files、--higher-is-better/--lower-is-better、--extract、--budget、--target、--max-experiments、--locked、--constraints；评判模式包括 --target、--max-experiments、--runs、--criteria、--inputs、--budget。
适用场景：优化页面加载时间、打包体积、ML 训练指标等可量化目标；优化技能工作流、独立提示词、智能体定义等难以量化的目标。
限制：爬山法可能陷入局部最优，分数停滞时可考虑更换初始条件重试。指标模式约每小时 12 次实验，评判模式约每小时 6-8 次，多轮评判更慢。回归容忍度用于防止灾难性改动，不建议设为 0。评判模式需先批准评估标准与测试输入。具体平台、收费与价格信息暂未提供。