Token导航 LogoToken导航

Agent Skill · 待分类

evolution-strategy(进化策略)

evolution-strategy 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

evolution-strategy 是待分类类 Agent Skill,可用宿主为 Codex、Claude、Cursor、Gemini CLI,通过GitHub 仓库获取,权限为权限未标注;许可证信息还不明确,第三方扫描已通过,按安装量在待分类类的 11,209 个 Skill 里排第 7,770。

总安装 343周安装 14GitHub Stars 12下载 110核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
unknown

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:evolution-strategy(进化策略)
来源仓库:https://github.com/kangarooking/cognitive-dividend-skill
仓库路径:skills/evolution-strategy
安装命令:
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill evolution-strategy
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill evolution-strategy

这个 Skill 是做什么的

这个 Skill 的分类还没最终确定,用法以来源仓库的说明为准。

阐述遗传变异与自然选择的四步循环:MVP→市场反馈→创新→优势积累。适用于 Codex、Claude、Cursor、Gemini CLI 中不确定性高的产品开发决策。强调计划与演化的互补关系,确定性部分用计划提效,不确定部分用试错推进。建议结合微信诞生等案例理解实践应用,避免脱离市场反馈盲目迭代。

evolution-strategy 属于待分类类 Skill,可作为该场景下的辅助能力补充。

来源仓库内路径:skills/evolution-strategy

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 Codex、Claude、Cursor、Gemini CLI;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill…;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    权限没有明确标注,第一次使用时只给一个无关紧要的任务,观察它到底读了哪些文件和网络。

常见问题

6 条

evolution-strategy 怎么安装?

在终端执行 npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill evolution-…。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

evolution-strategy 支持哪些 AI 工具?

公开资料标注支持 Codex、Claude、Cursor、Gemini CLI。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

evolution-strategy 需要什么权限?

权限级别没有明确标注。第一次使用时建议只给无关紧要的任务,观察它实际读写了哪些内容。

evolution-strategy 是免费的吗?

公开资料没有标注明确许可证,收费和商用限制都无法确认。正式使用前请到来源仓库核对授权说明。

evolution-strategy 用的人多吗?

公开数据是累计安装 343 次,近一周安装 14 次,下载 110 次,GitHub 12 星。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

evolution-strategy 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 同时适配 4 种工具,换客户端不用重新找替代品。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 许可证没有明确标注,能不能商用、能不能再分发都不确定。
  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 Codex,想直接扩展它能力的人。
  • 需要处理待分类类任务、又不想每次都手写提示词的人。

不太适合

  • 需要明确授权才能用到公司项目里的场景。
  • 需要厂商级技术支持和 SLA 的生产系统。

待分类类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
infsh-cli

infsh CLI · Codex、Claude

4,374,576382权限未标注未明确未收录
ai-video-generation

AI 视频生成 · Codex、Claude

4,313,376382调用外部服务未明确有提醒
lark-openapi-explorer

云雀 OpenAPI 浏览器 · Codex、Claude

2,064,1209,011需要联网未明确有提醒
lark-workflow-standup-report

Lark 工作流程站立报告 · Codex、Claude

2,041,6328,978需要联网未明确通过
use-my-browser

使用我的浏览器 · Codex、Claude

1,848,49140操作浏览器未明确未通过
evolution-strategy

进化策略 · 本页

34312权限未标注未明确通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

演化策略

R — 原文 (Reading)

计划的缺点是抗风险能力差,但好处是效率高,可以在短时间内高效地完成任务;而演化的优点是抗风险能力强,不需要具体的目标就能越变越好,但缺点是效率低、耗时长!它们俩就像是中国太极中的阴阳两仪……阴面,代表着演化,在别人看不见的地方,默默更新迭代,持续地成长,积聚能量;阳面,代表着计划,当出现具体的短期目标时,瞬间聚集所有的能量,在一个点上爆发。 —— 第23章《演化策略》

I — 方法论骨架 (Interpretation)

  1. 演化策略的核心逻辑:遗传变异 + 自然选择,两者缺一不可
  2. 四步循环:MVP(初始状态)→ 自然选择(市场反馈)→ 变异(创新)→ 遗传(积累优势)
  3. 第一步:开启初始状态(MVP)。不要憋大招,围绕核心痛点做最小可用产品,快速进入市场
  4. 第二步:自然选择。外部剪刀(市场反馈/用户评价)+ 内部剪刀(赛马制/末位淘汰),用真实反馈筛选
  5. 第三步:变异。重组式创新(借鉴优秀元素组合新物种)或突变式创新(从内部"破坏"出新特性)
  6. 第四步:遗传。将自然选择中胜出的优势固化到下一代,持续积累
  7. 计划和演化的互补关系:确定性高的部分用计划提效,不确定性高的部分用演化试错
  8. 演化的方向不由自己决定,而由环境(市场)决定——"你认为好的产品,市场不一定买账"

A1 — 书中应用 (Past Application)

  • 微信的诞生:1.0版本只有通讯录和免费文字信息,极简MVP上线→用户反馈迭代→逐步加入语音、朋友圈、支付等功能
  • 小米MIUI:先做优化版Android系统而非直接做手机,通过社区直面用户吐槽→每周迭代→MIUI成熟后用户主动要求做手机→小米手机横空出世
  • 腾讯赛马制:微信推出前,QQ团队、成都团队、广研院三个团队同时做类似产品,内部PK,张小龙团队胜出,其他解散
  • iPod的重组式创新:iTunes来自SoundJam MP改造,硬盘来自东芝,系统来自Pixo,电池来自索尼——优秀基因的组合

A2 — 触发场景 (Future Trigger)

何时使用:

  • 创业/新产品方向不明确,不确定用户要什么
  • 市场环境变化太快,做计划赶不上变化
  • 需要验证假设但资源有限
  • 组织或团队陷入僵化,缺乏活力

语言信号:

  • "不确定市场要什么"
  • "先跑起来再说"
  • "计划赶不上变化"
  • "怎么快速验证想法?"
  • "团队缺乏创新活力"

与相邻skill区分:

  • vs. systems-thinking:系统性思维是分析工具(诊断系统结构),演化策略是行动框架(设计迭代循环)
  • vs. innovation-method:演化策略关注整个迭代循环(含MVP、反馈、遗传),创新方法关注变异这一步的具体技法
  • vs. scientific-decision:科学决策用于"在已知选项中做选择",演化策略用于"选项尚未出现的探索阶段"

E — 可执行步骤 (Execution)

步骤1:开启初始状态(MVP)

  • 明确目标用户的核心痛点(只聚焦一个最痛的点)
  • 开发包含最小功能组合的可用产品/方案,围绕痛点解决
  • 互联网产品可直接上线跑数据;实体产品需一次做到当前最佳再投放
  • 完成标准:产品能在真实环境中被用户使用,并能收集到反馈数据

步骤2:面向市场,自然选择

  • 将产品投放到真实市场,收集用户反馈(点赞/吐槽/使用数据)
  • 外部剪刀:建立用户反馈通道(社区/客服/数据埋点),忍痛砍掉团队喜欢但用户不买账的功能
  • 内部剪刀(可选):设置内部竞争机制(赛马制/末位淘汰),让多方案同时PK
  • 完成标准:收集到至少一轮真实市场反馈,并据此完成一次迭代优化

步骤3:变异创新,积累遗传

  • 在自然选择胜出的部分基础上,进行变异创新(参考innovation-method skill)
  • 将被市场验证有效的优势固化到下一代产品中(遗传)
  • 开启下一轮演化循环:投放→反馈→变异→遗传
  • 完成标准:完成至少一次"投放→反馈→优化"的完整循环,并有可量化的改进指标

B — 边界 (Boundary)

不要用的场景:

  • 目标明确、路径清晰的项目(用计划更高效,演化浪费时间)
  • 安全/医疗等容错率极低的领域(不能"先上线再迭代")
  • 资源极度有限无法承受多轮试错的情况

失败模式:

  • MVP质量太低:把半成品当MVP,用户体验极差,连初始用户都流失
  • 只变异不遗传:每次创新都推倒重来,不积累已验证的优势
  • 没有真实反馈:在内部分析中自嗨,不敢面对市场的残酷评判
  • 过度赛马:内部竞争消耗太多资源,整体效率反而下降

作者盲点:

  • 对"如何判断何时该用计划、何时该用演化"缺乏明确标准,实践中容易陷入二选一
  • 赛马制成本高昂,对中小团队不现实,但替代方案(如末位淘汰)的效果差距很大
  • 对演化速度的控制缺乏讨论——迭代太慢会被对手超越,太快则每次反馈都不充分

相关 skills

本 skill 与以下 skill 存在关联:

  • mirror-world(前置依赖):演化策略本质上是应对镜像世界中"概率域"和"风险域"的策略,先用镜像世界框架判断事件的不确定性等级,再决定是用计划(确定性高)还是演化(不确定性高)。
  • innovation-method(协同):演化策略的"变异"步骤需要创新方法论提供具体的重组式和突变式创新技法,演化策略管整个迭代循环,创新方法管"怎么变"。
  • compound-effect(对比):复利效应强调"找到因果支点后坚持到里程碑"的确定性增长,演化策略强调"通过试错让环境筛选方向"的不确定性应对,两者适合不同性质的问题。

平台分布

Codex

34.06%
按下载量换算37

Claude

29.28%
按下载量换算32

Cursor

18.27%
按下载量换算20

Gemini CLI

10.18%
按下载量换算11

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

权限未标注

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills