lamarck 按真实调用进化全部 skill
内容提要
Lamarck 是一款基于真实调用遥测的 Agent 技能进化工具，通过后台观察每次调用，积累证据后提出修改，并验证回滚。它用四维判词评估，设证据门和用户批准机制，支持分级白名单和稳定态收敛，确保技能优化安全、可审计，避免过度干预。
延伸解读
信号来源的差异
传统优化依赖离线基准或人工构造的测试 prompt，信号来自专门设计的考场。lamarck 则直接利用生产环境中的真实调用和用户纠正作为 ground truth，信号更贴近实际使用。这种设计避免了测试集与真实分布不一致的问题，但也要求工具常驻运行，且需要积累足够的真实调用才能产生有效信号，冷启动期可能较长。
安全机制的多层防护
lamarck 通过证据门、用户批准、分级白名单、有界编辑和回滚机制来确保安全。证据门要求同一类缺口至少出现两次才触发提案，防止噪声干扰；用户三选一确保关键改动需人工确认；白名单分级控制编辑权限，默认 observe 模式只观察不修改；有界编辑限制单次改动范围，避免大范围重写；回滚机制则根据证据强度分级，强证据自动回滚，弱证据仅提案。这些机制共同降低了自动优化的风险。
收敛与稳定态设计
lamarck 通过状态机管理技能成熟度：active 状态全量评估，连续十次评估干净后转为 stable，此时仅做轻量扫描，每五次抽样全量评估以防漂移。用户纠正、基因哈希变化或新场景出现会唤醒回 active。这种设计在保证监控的同时减少不必要的计算开销，并将稳定状态作为可靠性凭证，同时识别长期零引用的条目作为修剪候选，实现用进废退。
局限性与适用边界
文章明确承认了若干限制：冷启动期无提案、观察性统计可能受任务漂移影响、模型判词存在误判可能、插件类技能无法获得基因哈希、遥测依赖 transcript 指针可能失效。此外，生产案例仍在积累中，结论尚未发布。这些限制提示用户，lamarck 更适合对安全要求较高且能接受渐进式优化的场景，部署前需评估自身对冷启动和潜在误判的容忍度。
Q&A
Lamarck 是什么工具？它如何改进 Agent 的技能？
Lamarck 是一款基于真实调用遥测的 Agent 技能进化工具。它通过后台观察每次真实调用，积累证据后提出修改，并验证回滚。它用四维判词评估，设证据门和用户批准机制，支持分级白名单和稳定态收敛，确保技能优化安全、可审计，避免过度干预。
Lamarck 如何收集信号？与传统的离线评测或人工测试有何不同？
Lamarck 的信号来自生产遥测，即真实的调用和用户的纠正。用户打断说“不是这个意思”就是 ground truth，比任何模型自评都硬。传统方法使用基准分数或人工测试 prompt，信号来自专门造出来的考场。Lamarck 装一次后所有已装 skill 都在观察下，不需要逐个挑、逐个写测试用例。
Lamarck 的评估机制是什么？它如何判断一个 skill 是否需要修改？
Lamarck 对每条待评条目进行四维判词评估：trigger_fit（触发是否正确）、gaps[]（指令缺失）、outcome（干净/被纠正/失败）、friction（白走的弯路）。判词只许引用真实可见的执行痕迹，看不见就归档。评估结果逐行落进账本，有可复用的教训写进 learnings，被纠正和失败的蒸馏成回归用例。
Lamarck 如何防止过度修改或震荡？它有哪些安全机制？
Lamarck 有证据门和用户批准机制。证据门要求同一类缺口至少出现两次，场景围栏防止跨场景污染，反震荡防止覆写式打摆子，净增长预算限制行数增长。所有不可逆的一步都要用户点头，账本留在本地。还有分级白名单和稳定态收敛，确保优化安全、可审计。
Lamarck 如何验证修改？如果修改变差会怎样？
Lamarck 有三道验证：回放（用历史场景跑新旧版对比）、盲评（独立 subagent 对比新旧版和真实痕迹）、版本分窗（按基因哈希统计健康度）。回放和盲评是强证据，自动回滚；版本分窗是观察性统计，只出回滚提案，走用户三选一。回滚定义为恢复用户已批准的基线，不受三选一约束，但必须落账。
Lamarck 的成熟度状态是什么？它如何节省资源？
每个 skill 有两态：active 和 stable。默认 active，每条待评条目全量四维评估。连续十次评估干净后转 stable，之后每条只做一眼扫描，本回合没有纠正和异常就记 stable-skip 并加连击。但每第五条仍做全量评估，防止漂移。stable 状态和清白连击数作为生产可靠性凭证。
Lamarck 如何管理权限？用户如何控制哪些 skill 可以被修改？
Lamarck 有分级白名单，写在本地 config.json 中，不入库。三级：evolve（可施工）、suggest（只写建议）、observe（默认，只记账）。新装 skill 自动落 observe。插件、marketplace 和 synced 来的 skill 无论怎么配都不会被直接编辑，上限就是 suggest。
Lamarck 如何安装和使用？日常需要做什么？
安装用 npx lamarck-skill 一条命令，拷贝 skill、初始化配置、写钩子、自检。装完重启 Claude Code 或打开 /hooks。日常几乎不用管，想调节奏用 /lamarck mode every、manual 或 threshold N。头一周基本看不到动静，这是设计如此，钩子静静记账，攒够证据才触发评估。
Lamarck 有哪些局限性？
冷启动是真的，前期不会发生什么，要攒够真实调用才有信号。观察性统计混着任务漂移，版本分窗只敢出提案不敢自动回滚。判词由模型给出，虽然只许引用真实痕迹，但仍有误判可能，证据门和用户在环是两道闸。插件类 skill 拿不到基因哈希，版本分窗不生效。遥测存的是指针，transcript 清理后查不到原始上下文。生产案例还在积累中。
Lamarck 的未来规划是什么？它可能扩展到哪些领域？
路线图显示下一步不限于 skill：subagent 定义、CLAUDE.md 这类记忆文件、slash command、MCP 工具配置，凡是能反复在生产里被使用的、用来引导 agent 的文本产物，都可以套同一套遥测到账本到 rubric 到有门编辑的架构。真正被验证的是这套治理骨架，skill 只是第一个宿主。
