Wer eigene Skills für Claude Code baut, kennt das Problem: Du schreibst einen Skill, er funktioniert, aber nach ein paar Wochen merkst du, dass er schlechter läuft als am Anfang. Oder du willst ihn verbessern, weißt aber nicht genau wo anfangen. darwin-skill löst genau das.
Was ist darwin-skill?
darwin-skill ist ein Open-Source-Skill für Claude Code, der auf dem Autoresearch-Pattern basiert. Die Idee stammt aus der KI-Forschung: Ein System bewertet sich selbst, modifiziert sich, testet das Ergebnis und behält die Änderung nur dann, wenn sie wirklich besser ist. Karpathy hat dieses Muster populär gemacht. darwin-skill bringt es direkt in deinen Claude-Code-Workflow.
Der Ablauf ist konsequent iterativ:
- Der Skill wird ausgeführt und bewertet.
- darwin-skill schlägt eine Verbesserung vor.
- Die Verbesserung wird getestet.
- Ist sie besser? Behalten. Ist sie schlechter? Revertiert.
Das klingt einfach, ist aber in der Praxis schwer manuell durchzuhalten. darwin-skill automatisiert genau diesen Kreislauf.
Wie nutzt du darwin-skill?
Die Installation folgt dem Standard-Workflow für Drittanbieter-Skills. Du klonst das Repo und legst die Skill-Datei in deinen .claude/skills/-Ordner, oder du bindest das Repo direkt ein.
# Repository klonen
git clone https://github.com/alchaincyf/darwin-skill.git
# Skill-Datei in dein Projekt kopieren
cp darwin-skill/skills/darwin.md .claude/skills/darwin.md
Danach kannst du den Skill in Claude Code aufrufen:
/darwin optimize <dein-skill-name>
darwin-skill liest den Ziel-Skill, analysiert ihn, generiert eine verbesserte Version und führt beide Versionen gegen eine Testmenge aus. Du bekommst ein konkretes Ergebnis: behalten oder revertiert, mit Begründung.
Falls du noch keine eigenen Skills hast, lohnt sich zuerst der Blick in Claude Code Skills erstellen: Dein eigener Workflow in 15 Minuten. Dort lernst du den Grundaufbau, bevor du darwin-skill anwendest.
Ein Praxis-Beispiel: Code-Review-Skill verbessern
Stell dir vor, du hast einen Skill für Code-Reviews geschrieben. Er gibt dir Feedback, aber die Kommentare sind manchmal zu allgemein. Du rufst darwin-skill auf:
/darwin optimize code-review
darwin-skill führt eine Reihe von Testfällen durch. Er vergleicht die Qualität der Kommentare vorher und nachher, anhand von Kriterien wie Spezifität, Aktionierbarkeit und Länge. Wenn die neue Version besser abschneidet, überschreibt er die Skill-Datei und zeigt dir die Änderungen. Wenn nicht, bleibt alles wie es war.
Du musst nichts manuell vergleichen. Du musst nicht raten, ob deine Änderung wirklich hilft. Das Ergebnis ist messbar.
Dieser Ansatz ist besonders wertvoll, wenn du viele Skills im Einsatz hast. Einzelne Skills manuell zu tunen kostet Zeit. darwin-skill skaliert das automatisch.
Wann lohnt sich darwin-skill?
darwin-skill ist kein Allzweck-Tool. Es lohnt sich konkret in diesen Situationen:
Bestehende Skills verbessern: Du hast einen Skill, der funktioniert, aber nicht optimal ist. darwin-skill findet schrittweise bessere Konfigurationen, ohne dass du alles von Hand neu schreiben musst.
Qualitätssicherung nach Änderungen: Du hast einen Skill angepasst und willst wissen, ob er wirklich besser geworden ist. darwin-skill liefert einen objektiven Vergleich statt einer subjektiven Einschätzung.
Komplexe Skill-Logiken: Je mehr Schritte ein Skill hat, desto schwerer ist es, Verbesserungen manuell zu bewerten. darwin-skill nimmt dir diese Arbeit ab.
Für einfache Ein-Schritt-Skills, die schon gut funktionieren, ist der Overhead möglicherweise nicht nötig. Aber sobald ein Skill regelmäßig genutzt wird und Qualität zählt, ist automatische Optimierung sinnvoll.
Einen guten Überblick über weitere hochwertige Skill-Ressourcen für Claude Code findest du in der Awesome Claude Skills Collection auf Deutsch. Dort sind viele Ausgangspunkte gesammelt, die du anschließend mit darwin-skill weiter verfeinern kannst.
Warum das Autoresearch-Pattern funktioniert
Der entscheidende Unterschied zu manueller Optimierung: darwin-skill operiert mit Feedback-Schleifen. Jede Iteration informiert die nächste. Das ist das gleiche Prinzip, das hinter modernem Reinforcement Learning steckt, nur angewendet auf Prompt- und Skill-Engineering.
Menschen neigen dazu, Änderungen beizubehalten, die sich "besser anfühlen", selbst wenn sie das nicht messen. darwin-skill macht das Gegenteil: Es behält nur, was nachweislich besser ist. Das klingt hart, sorgt aber dafür, dass deine Skills im Laufe der Zeit wirklich stärker werden und nicht nur umgebaut.
Das ist besonders relevant, wenn du Claude Code produktiv einsetzt. Jeder Skill, der in echten Projekten läuft, sollte regelmäßig geprüft werden. darwin-skill macht diesen Prozess systematisch statt zufällig.
Häufige Fragen zu darwin-skill
Kann darwin-skill jeden beliebigen Skill optimieren? Grundsätzlich ja, aber die Qualität der Optimierung hängt davon ab, wie gut der Skill ursprünglich dokumentiert ist. Je klarer die Zielbeschreibung in der Skill-Datei, desto präziser kann darwin-skill optimieren.
Was passiert, wenn eine Verbesserung schlechter ist? darwin-skill revertiert automatisch auf die vorherige Version. Du verlierst keine funktionierende Version. Der Reversionsmechanismus ist ein Kernteil des Designs, nicht eine optionale Sicherheitsnetz.
Brauche ich spezielle Vorkenntnisse? Du solltest wissen, wie Skills in Claude Code grundsätzlich funktionieren. Wenn du das Grundprinzip kennst, ist darwin-skill direkt nutzbar. Eine Einführung findest du unter Claude Code Skills erstellen.
Wenn du tiefer in automatisierte Workflows mit Claude einsteigen willst: In der kostenlosen Claude Business Community tauschen sich Entwickler zu Themen wie Skills, Automatisierung, Co-Work, Claude Code, App-Building und Agent-Coding aus. Komm rein, lerne von anderen und spar dir Zeit und Kosten in deinem Business: Kostenlose KI-Community auf Skool.
Marcel Porcher, newways.ai