Darwin Skill
Skill méta qui optimise tes autres skills : il prend un skill existant, le fait tourner sur des cas, évalue le résultat, propose une version améliorée, la teste, puis garde l'amélioration ou rollback si elle régresse. Boucle évaluer → améliorer → tester → garder-ou-annuler, inspirée de l'autoresearch de Karpathy (un agent qui s'améliore en boucle). Intègre SkillOpt (Microsoft), publié sur PyPI v0.1.0 depuis le 3 juin 2026 (`pip install skillopt`). L'idée vendeuse : Darwin optimise tes skills pendant que tu dors.
Forces
- Boucle évolutionnaire avec rollback : seules les versions prouvées meilleures sont conservées
- Intègre SkillOpt (Microsoft), dispo sur PyPI (`pip install skillopt`) : socle d'optimisation outillé
- Automatise un travail de tuning fastidieux que personne ne fait à la main sur ses skills
Limites
- Sans set d'évaluation représentatif, il optimise pour la mauvaise métrique : le harnais de test est ta responsabilité
- Récent et niche : peu de retours en production, prudence avant de l'automatiser sur des skills critiques
Pour qui
- Builders de skills qui ont déjà une bibliothèque interne et veulent la durcir sans tuning manuel
- Équipes plateforme IA qui industrialisent la maintenance d'un catalogue de skills partagés
- Tech leads curieux du pattern agent auto-améliorant qui veulent un cas concret à expérimenter