用途：诊断并改进已有 Claude/agent Skill，不改变其核心目的与原始输入输出契约。适用于用户已有 Skill 想优化、觉得效果差或触发不准、希望先诊断再决定是否修改、想要有验证依据的优化方案等场景。不适合从零创建 Skill、能力扩展或职责重构、临时 prompt、需求本身有误，以及全自动多轮实验循环（更接近 Darwin 式 optimizer）。
核心立场：先冻结 baseline 合同再优化；先提案后 apply；先定义可验证结果再判断改动是否保留；why 比 MUST 更重要；无明显收益则保留 baseline；指标只作裁判助手而非真理。
工作模式：Mode A Audit 只做 baseline contract、review、risk map；Mode B Proposal 增加失败模式定义、代表性测试 prompt、假设驱动选项（默认模式）；Mode C Guided Experiment 增加经批准的单轮改动、before/after replay 或 dry-run、证据摘要与 keep/revise/revert 建议；Mode D Iterative Optimization 增加多轮实验、round log、每轮只改一个杠杆，仅低风险且用户明确同意时使用。
执行流程：Phase 0 判断请求类型与风险等级（低/中/高，冲突时保守处理）；Phase 1 读取 assets/baseline-contract.md 冻结合同；Phase 1.5 读取 assets/test-prompt-schema.md 与 references/validation-patterns.md 设计最小验证集；Phase 2 读取 references/review-checklist.md 与 references/patterns.md 按 7 类检查；Phase 3 读取 assets/optimization-proposal.md 与 assets/experiment-brief.md 给出至少两套方案；Phase 4 需用户明确确认；Phase 5 执行单轮单杠杆实验；Phase 6 做 preservation check 与 evidence check；Phase 7 满足条件才进入下一轮。反模式包括一开始整篇重写、只按规范打分、默认扩展 trigger、提案与 apply 混在一起、无验证集宣布改进成立、只能 dry-run 却假装实测、高风险直接多轮自动迭代。