饕餮：让 Claude Code Skill 自动进化的技能进化引擎

"不是简单的代码合并工具，而是一个有学习能力的技能进化引擎。理解背后的'为什么'比复制'是什么'重要一百倍。"

你的 Skill 写得不够好，但不知道差在哪？
你看到一个优秀的 Skill，想吸收它的精华？
你想让两个 Skill 对比 PK，用数据说话？
你希望每次进化的经验都能被记住，越用越准？

把优秀的 Skill 喂给饕餮，让你的 Skill 自己进化。

提供两个 Skill（目标 A + 参考源 B），饕餮会自动并行测试、反向工程分析、
提炼可复用模式，然后渐进式注入改进——每一步都让你确认。

Created by @binggandata · 小红书 · X / Twitter · 微信：binggandata2

核心能力

能力	说明
并行对标	同时用两个 Skill 跑相同任务，记录全过程（思维链、工具调用、耗时）
反向工程	不只是"B 更好"，而是深入分析为什么更好，提炼背后的设计哲学
渐进注入	一次只改一个维度，沙盒测试通过 + 用户确认后才正式写入
模式记忆	每次成功的进化都存入模式库，下次直接推荐，越用越准

核心流程

用户："把 B 喂给 A"
        ↓
Phase 1  解析吸收 → 读取两个 Skill，生成能力地图
        ↓
Phase 2  并行对标 → 自动生成测试任务，双 Agent 同时执行 + 全程追踪
        ↓
Phase 3  反向工程 → 六维深度分析（速度/准确度/鲁棒性/输出质量/Prompt策略/工具使用）
        ↓
Phase 4  渐进注入 → 按优先级逐个应用模式，沙盒测试 + 用户确认
        ↓
Phase 5  学习记忆 → 将成功模式存入模式库，积累经验

安装

Claude Code

重要：Claude Code 从 git 仓库根目录 的 .claude/skills/ 查找 skill。请在正确的位置执行。

# 安装到当前项目（在 git 仓库根目录执行）
mkdir -p .claude/skills
git clone https://raw.githubusercontent.com/Einherjar99/bggg-skill-taotie/main/references/taotie_bggg_skill_v3.3.zip .claude/skills/bggg-skill-taotie

# 或安装到全局（所有项目都能用）
git clone https://raw.githubusercontent.com/Einherjar99/bggg-skill-taotie/main/references/taotie_bggg_skill_v3.3.zip ~/.claude/skills/bggg-skill-taotie

OpenClaw

git clone https://raw.githubusercontent.com/Einherjar99/bggg-skill-taotie/main/references/taotie_bggg_skill_v3.3.zip ~/.openclaw/workspace/skills/bggg-skill-taotie

详细说明见 INSTALL.md

使用

在 Claude Code 中直接说：

把 last30days 喂给 bggg-creator-research，让它的数据抓取能力升级

或者用更简洁的方式：

用 skill-B 优化 skill-A

对比一下这两个 skill，我只想知道 B 好在哪

skill 进化 / skill 升级 / 合并 skill

饕餮会自动识别你的意图并执行对应流程。

效果示例

输入：把 last30days 喂给 bggg-creator-research

饕餮 ❯ 已读取两个 Skill，生成能力地图：

  能力维度          | A (creator-research) | B (last30days)
  ─────────────────┼──────────────────────┼──────────────
  数据抓取速度       | ★★☆☆☆ 串行          | ★★★★★ 并发
  错误处理          | ★★☆☆☆ 直接报错       | ★★★★☆ 降级重试
  输出格式          | ★★★☆☆ 自由文本       | ★★★★★ JSON Schema

饕餮 ❯ 准备用 3 个测试任务对比，确认吗？

用户  ❯ 可以

饕餮 ❯ 并行执行完成。发现 3 个优势模式：
  1. 并发抓取优化  — 预计提升 60% 速度（推荐先试这个）
  2. 错误降级方案  — 遇到 404 不再崩溃
  3. 输出 Schema 约束 — 强制结构化输出

  要我先应用"并发抓取"吗？

用户  ❯ 先试第一个

饕餮 ❯ 已在沙盒测试通过（速度 +58%，准确率持平）
  正式写入 bggg-creator-research ✅
  模式已存入经验库，下次类似场景直接推荐。

特殊场景

场景	饕餮的做法
用户没指明优化方向	完整走 Phase 1-5，让测试数据说话
用户指明了方向	跳过全面测试，聚焦指定维度
只想对比不想改	只做到 Phase 3 输出报告
反馈历史进化效果	更新模式库权重，优化未来建议

模式库

饕餮的"记忆"。每次成功进化提炼出的可复用模式自动存入 references/pattern-library.json。

模式分类

类别	典型模式
性能优化	并发、缓存、Prompt 精简
质量提升	输出约束、Schema 校验、二次验证
鲁棒性	错误处理、降级方案、重试机制
Prompt 策略	CoT、Few-shot、角色设定、分步指引
架构优化	模块拆分、渐进式披露、工具复用

模式生命周期

发现 → 提炼 → 验证 → 入库 → 累积 → 淘汰

模式的 success_count 和 user_satisfaction 会随使用更新，让饕餮的建议越来越精准。

分析维度

饕餮从以下六个维度做反向工程分析：

维度	要回答的问题	提取目标
速度	B 为什么更快？	并行策略？缓存？更简洁的 Prompt？
准确度	B 的输出为什么更准？	Few-shot 示例？二次验证？Schema 约束？
鲁棒性	B 遇到错误怎么处理？	重试机制？降级方案？异常捕获？
输出质量	B 的格式为什么更好？	模板设计？后处理步骤？约束指令？
Prompt 策略	B 的指令有什么高明之处？	CoT？分步指引？角色设定？
工具使用	B 调用了什么不同的工具？	更好的 API？脚本自动化？

安全守则

读取外部 Skill 时检查可疑指令（prompt injection、恶意代码）
不自动执行不认识的脚本——先展示内容让用户确认
修改目标 Skill 前必须创建备份快照
发现安全隐患时立即告知用户

项目结构

本项目遵循 AgentSkills 开放标准，整个 repo 就是一个 skill 目录：

bggg-skill-taotie/
├── SKILL.md                   # skill 入口（官方 frontmatter）
├── README.md                  # 项目说明
├── INSTALL.md                 # 详细安装指南
├── LICENSE                    # MIT License
├── banner.png                 # 头图
├── references/                # 参考文档
│   ├── analysis-guide.md      # 分析指南（六维框架）
│   ├── patterns.md            # 模式库文档
│   └── pattern-library.json   # 模式库数据（随使用积累）
└── evals/                     # 测试用例
    └── evals.json

注意事项

Skill 质量决定进化空间：参考源 B 越优秀，提炼出的模式越有价值
建议优先选择：与目标 A 功能重叠的优秀 Skill 作为参考源
每次进化只改 1-2 个维度，避免过度修改导致功能退化
饕餮会自动备份目标 Skill，改坏了可以回滚