Claude Code 版本的技能自动改进——使用 Karpathy 自动研究循环自动改进任何 CLAUDE.md
概览
Karpathy 自研究循环用于 SKILL.md — Claude Code 原生实现。 一个Claude Code原生系统，能在一夜之间自动提升 SKILL.md。/autoimprove 运行一行，早上醒来时技能提升。 将卡帕西的自动研究循环应用于 SKILL.md： 关键区别：Karpathy使用数值指标 train.py，但我们用（真/假测试）的通过率作为衡量标准。 1. — 必要部分、标题层、文件结构的存在 2.— 斜杠命令、激活条件、参数格式 3.— 逐步流程、分支条件、输出格式 4.— 禁止的项、约束、禁止项 5.— 示例、代码块、边缘情况、依赖关系 如果没有eval.json，/autoimprove 会分析 SKILL.md 并自动生成。创建后复查并必要时进行修正。 Andrej Karpathy的自动研究是一个自主研究循环，AI模型自主修改代码、运行基准测试并根据需要提交改进。 关键洞察：如果技能质量也能被量化，那么自动优化是可能的。二元评估就是这种量化的方法。
概述（AI 翻译）
Karpathy 自研究循环 for SKILL.md — Claude Code 原生实现。
技能进化（PDF）
（原始PDF：assets/skill-evolution.pdf）
Claude Code 原生系统会自动一夜之间提升 SKILL.md。
/autoimprove 一排跑会让你早上醒来，技能更高。
它只支持Claude代码代理+命令，没有Python脚本。
工作原理
将卡帕西的自动研究循环应用于 SKILL.md：
关键区别：卡帕西使用数值度量 train.py，
我们以二元断言的通过率作为衡量标准。
快速启动
全局安装（用于所有 Claude 代码项目）
项目特定装置
处决
如何写作eval.json
eval.json 是一组二元断言，用以衡量 SKILL.md 的质量。
结构
场地描述
| 场地 | 描述 |
|---|---|
id |
test-001 唯一ID |
description |
测试组描述 |
prompt |
用户输入提示场景 |
expected_behavior |
提示的预期行为 |
assertions |
可识别为真/假的断言数组 |
写好陈述的技巧
推荐分类（5）
- 结构——必要部分、标题图层、文件结构的存在
- 触发器 — 斜杠命令、激活条件、参数格式
- 工作流程 — 逐步流程、分支条件、输出格式
- 规则——禁止、限制、禁止物品
- 完整性——示例、代码块、边缘情况、依赖关系
如果没有eval.json，/autoimprove会分析 SKILL.md 并自动生成。
创建后如有需要，请进行审核和修改。
建筑
本页由 AI 翻译，技术细节请以原文为准。
推荐工具
换一个关键词，或者移除筛选条件。
安装
npx skillfish add voidlight00/autoimprove-cc