背景
Darwin Skill 目前已经有很强的评分与优化循环：rubric、test prompts、independent judge、git ratchet、keep/revert、人审 checkpoint。
我这里有一个本地使用中的 delivery-review skill，主要解决另一个问题：不是“怎么把 skill 分数提高”，而是“评审结论是否真实、可追溯、可用于决策”。
我想建议把其中一部分能力并入 Darwin Skill，作为评分和优化后的 truthfulness / delivery-verdict layer。
建议合入的能力
1. Truthfulness Gate
每次 Darwin 输出评审或优化结果时，强制区分：
- read: 实际读过哪些文件
- written: 实际修改了哪些文件
- installed: 是否真的安装
- run: 是否真的运行过
- verified: 哪些检查已经验证
- recommended: 哪些只是建议
- not covered: 哪些范围没有覆盖
这样可以避免把“建议优化”“dry-run 推演”“只读检查”说成“已完成 / 已验证”。
2. Evidence-bound Findings
每个 finding、score、keep/revert 决策都需要绑定证据，例如：
- file path
- diff
- test prompt
- judge output
- command result
- visible artifact
没有证据的结论应该降级为 hypothesis 或 recommendation。
3. Residual Risk
除了分数，还建议固定输出 residual risk，例如：
- only dry-run, no full test
- judge agreement not verified
- no baseline comparison
- upstream claim not reproduced
- install not tested
- runtime compatibility not checked
4. Verdict Layer
分数之外增加最终决策：
- use as-is
- use after minor fix
- optimize before install
- blocked
这样 Darwin 的结果更适合实际安装、合并、发布决策。
5. Similar Skill Conflict Check
在评审一个 skill 时，额外检查它是否：
- duplicates an existing skill
- conflicts with an existing skill
- should be merged into another skill
- should replace an older skill
这可以避免只把单个 skill 优化得更漂亮，却忽略生态内重复和触发冲突。
建议输出格式
Score
- Overall score and key dimension scores.
Findings
- Evidence-bound issues.
Optimizations Applied
- Actual changes made, if any.
Verified
- Checks actually run and passed.
Not Verified
- Checks not run or unavailable.
Residual Risk
- Remaining uncertainty.
Verdict
- use as-is / use after minor fix / optimize before install / blocked.
和 Darwin Skill 的关系
这不是要替代 Darwin 的 9 维 rubric，而是补一个决策层：
- Darwin rubric answers: "How good is this skill?"
- Truthfulness gate answers: "What did we actually verify?"
- Verdict answers: "Can we use, install, merge, or publish it now?"
许可证问题
我注意到当前仓库暂时没有 LICENSE 文件，并且已有 issue 在讨论 MIT License。
如果你觉得这个方向有价值，我可以在许可证边界明确后整理一个 PR，把上述规则以较轻量的方式并入 Darwin Skill。
背景
Darwin Skill 目前已经有很强的评分与优化循环：rubric、test prompts、independent judge、git ratchet、keep/revert、人审 checkpoint。
我这里有一个本地使用中的
delivery-reviewskill，主要解决另一个问题：不是“怎么把 skill 分数提高”，而是“评审结论是否真实、可追溯、可用于决策”。我想建议把其中一部分能力并入 Darwin Skill，作为评分和优化后的 truthfulness / delivery-verdict layer。
建议合入的能力
1. Truthfulness Gate
每次 Darwin 输出评审或优化结果时，强制区分：
这样可以避免把“建议优化”“dry-run 推演”“只读检查”说成“已完成 / 已验证”。
2. Evidence-bound Findings
每个 finding、score、keep/revert 决策都需要绑定证据，例如：
没有证据的结论应该降级为 hypothesis 或 recommendation。
3. Residual Risk
除了分数，还建议固定输出 residual risk，例如：
4. Verdict Layer
分数之外增加最终决策：
这样 Darwin 的结果更适合实际安装、合并、发布决策。
5. Similar Skill Conflict Check
在评审一个 skill 时，额外检查它是否：
这可以避免只把单个 skill 优化得更漂亮，却忽略生态内重复和触发冲突。
建议输出格式
和 Darwin Skill 的关系
这不是要替代 Darwin 的 9 维 rubric，而是补一个决策层：
许可证问题
我注意到当前仓库暂时没有 LICENSE 文件，并且已有 issue 在讨论 MIT License。
如果你觉得这个方向有价值，我可以在许可证边界明确后整理一个 PR，把上述规则以较轻量的方式并入 Darwin Skill。