Darwin Skill 2.0 是一个面向 agent skills 的自主优化器，核心循环为：评估 → 改进 → 实测验证 → 人类确认 → 保留或回滚 → 生成成果卡片。它借鉴 Karpathy autoresearch 的思路，把每个 SKILL.md 当作可编辑资产，通过双重评估（结构静态分析 + 效果实测）和棘轮机制（只保留改进、自动回滚退步）持续提升质量。
主要能力：9 维评分 rubric，总分 100。结构维度 59 分（Frontmatter 质量、工作流清晰度、失败模式编码、检查点设计、可执行具体性、资源整合度）；效果维度 35 分（整体架构、实测表现）；Meta-skill 维度 6 分（反例与黑名单）。改进后总分必须严格高于改进前才保留。
使用方式：用户可要求「优化所有 skills」「优化某个 skill」「仅评估不改」或「查看优化历史」。流程分 Phase 0 初始化、Phase 0.5 测试 Prompt 设计、Phase 1 基线评估、Phase 2 优化循环、Phase 2.5 探索性重写、Phase 3 汇总报告。每个 skill 优化完后强制人审，确认后再继续。
限制：不改变 skill 核心功能，不引入新依赖，每轮只改一个维度，优化后文件不超过原始 150%，所有改动在 git 分支上并用 git revert 回滚。效果维度须用独立子 agent 评分，dry_run 比例超过 30% 会触发评估失效警告。Runtime 适配性为 gate 项，须保持 runtime 中立。具体安装命令与依赖暂未提供。