让项目持续进化的项目管理Skill

痛点

最近用 Claude Code 做项目，遇到几个真实的问题：

一是跟踪困难。 一眨眼的功夫，Claude 就写了上万行代码。回过头想看看到底改了什么，Git diff 当然能看，但面对几十个文件、成百上千行变更，逐个翻阅实在不方便。更别提理解每次迭代背后的设计意图了——为什么选择这个架构？为什么用这个库？这些决策过程在 Git 里是看不到的。

二是缺乏主动性。 很多项目其实有明确的优化方向——性能可以更快、代码可以更简洁、测试覆盖可以更全、文档可以更完善。这些改进不需要每次都由我来发现和提出，完全可以让工具自己分析历史、识别模式、主动建议下一步做什么。现在的开发流程是"我提需求，AI 执行"，但理想的状态应该是"AI 也能提需求"。

三是多项目管理。 手头十几个项目并行，每个都是几万行代码，缺一个好用的工具来跟踪各自的迭代状态。哪个项目上次迭代到哪了？有哪些待办事项？评审意见都处理了吗？这些信息散落在各处，没有统一的视图。

这些问题不是个例。MIT Technology Review 报道，AI 已经编写了微软 30%、Google 25% 以上的代码。行业内甚至发明了新术语 Comprehension Debt（理解债务）——开发者为理解和维护 AI 生成代码所付出的隐性成本。代码生成的速度上去了，但理解和管理的能力没跟上。

Darwin 是一个 Claude Code Skill，专门解决这些项目管理问题。名字来自达尔文进化论——让项目像生物一样持续适应和进化。

核心功能

1. 自动化演进循环 (Auto-Evolve)

这是 Darwin 最强大的功能：一键启动全自动迭代。

/darwin:auto-evolve -n 5

执行后，Darwin 会自动完成 5 次完整迭代，每次迭代包含：

evolve → idea → plan → review → revise → develop → code-simplify → retrospective

你可以指定优化方向，让每轮迭代聚焦特定目标：

常用命令示例：

# 单次迭代
/darwin:auto-evolve

# 性能聚焦，跑 3 轮
/darwin:auto-evolve -n 3 -d performance

# 恢复中断的会话
/darwin:auto-evolve --resume

# 预览模式（不实际执行）
/darwin:auto-evolve --dry-run

# 需要用户批准才能进入下一阶段
/darwin:auto-evolve --require-approval

这解决了一个常见困境：项目做到一定程度后，不知道下一步该优化什么。有了 Auto-Evolve，不用每次都由人来想"接下来做什么"——告诉它优化方向，剩下的它自己搞定。

2. 智能委员会推荐

以往的多角色评审需要手动配置评审团队。新版 Darwin 引入了智能委员会推荐——AI 自动分析你的需求和计划，动态推荐最优的审查者组合。

工作原理：

1. 扫描文档 — 分析需求描述和技术计划
2. 识别领域 — 提取关键技术领域（前端、后端、数据库、安全等）
3. 匹配角色 — 根据领域重要性分配权重，匹配合适的审查者
4. 动态生成 — 必要时生成项目特定的自定义角色

例如，你在做一个「工作流引擎」项目，Darwin 可能会自动生成一个「工作流架构师」角色来参与评审——这不是预设的角色，而是 AI 根据项目内容动态创建的。

方向性角色调整：

当你使用 Auto-Evolve 指定优化方向时，委员会组成会自动调整：

角色库：

• 核心角色：产品经理、前端工程师、后端工程师
• 可选角色：UI 设计师、测试工程师、数据工程师、算法工程师、安全专家、DevOps 工程师等 12 个
• 动态角色：AI 根据项目内容自动生成（如「工作流架构师」「AI 模型专家」等）

/darwin:config   # 查看或自定义委员会配置
/darwin:review   # 发起技术委员会评审

每个版本会独立存储其 AI 推荐的委员会配置，方便追溯「当时为什么用这些角色来评审」。

3. 集成开发工作流

Darwin 的开发阶段 (/darwin:develop) 集成了完整的 superpowers 工作流：

头脑风暴 → 计划执行 → TDD (RED-GREEN-REFACTOR) → 验证 → 代码简化 → 代码评审

测试驱动开发 (TDD)：自动遵循 RED-GREEN-REFACTOR 循环，先写测试再写实现。

代码简化：开发完成后自动执行代码简化，包括：

• 消除重复代码
• 简化复杂逻辑
• 改进命名和可读性
• 减少嵌套级别
• 统一代码风格

代码评审：作为最终质量关卡，由技术委员会进行审查。

4. 完整命令体系

Darwin 提供了一套完整的命令，覆盖项目管理全生命周期：

上下文感知主菜单：直接输入 /darwin 会根据当前项目状态，智能推荐下一步应该做什么。

5. 可视化仪表板

仪表板提供多维度的项目视图：

• 版本统计：累积进度、版本数量、变更趋势
• 版本时间线：清晰的演进历程
• 变更摘要：+新增、~修改、✓修复 一目了然
• 技术委员会记录：评审意见、雷达图可视化
• 进化提案：待处理的改进建议
• 学习记录：历次迭代的经验教训

/darwin:dashboard

6. 自我进化引擎

自我进化引擎是 Darwin 的核心智能，驱动项目持续改进。

/darwin:evolve

执行后，Darwin 会做三件事：

1. 分析历史数据：回顾过去的版本迭代、评审意见、bug 记录、性能指标
2. 搜索外部知识：查找行业最佳实践、类似项目的经验、新技术动态
3. 生成进化提案：综合内外部信息，提出具体的改进建议

优先级评分机制：

Score = 0.4×出现频率 + 0.4×影响程度 + 0.2×(1-实施成本)

高频出现（说明是真问题）、影响大（值得投入）、成本低（容易实现）的建议会被优先推荐。

时间衰减因子：

频率计算会随时间指数衰减，确保最近的问题比陈旧的问题权重更高。这避免了系统一直推荐「三个月前的老问题」。

配合 Auto-Evolve 使用时，进化引擎会根据指定方向（性能/安全/UX/质量）过滤和排序提案。

快速开始

安装

方法一（推荐）- 通过市场安装：

/add-marketplace Darwin
/install darwin

方法二 - 手动安装：

克隆仓库到 ~/.claude/plugins/darwin，然后重启 Claude Code。

初始化项目

/darwin:init

初始化会在项目中创建 docs/darwin/ 目录结构：

docs/darwin/
├── versions/          # 版本历史（需求、计划、变更、评审、回顾）
├── evolution/         # 进化提案和学习记录
└── metrics/           # 统计数据

工作流示例

简单模式 — 全自动：

# 一键启动，自动完成完整迭代
/darwin:auto-evolve

# 或指定方向和次数
/darwin:auto-evolve -n 3 -d performance

精细控制模式 — 手动逐步执行：

# 1. 收集需求
/darwin:idea
# 描述你想实现的功能，Darwin 会帮你整理成结构化的需求文档

# 2. 生成技术计划（AI 自动推荐评审委员会）
/darwin:plan

# 3. 技术委员会评审
/darwin:review

# 4. 开始开发（集成 TDD + 代码简化）
/darwin:develop

# 5. 版本回顾
/darwin:retrospective

# 6. 查看仪表板
/darwin:dashboard

# 7. 同步 Git 历史到仪表板
/darwin:sync

使用场景

场景一：性能优化冲刺

产品上线后用户反馈「加载太慢」。用 Auto-Evolve 进行性能优化冲刺：

/darwin:auto-evolve -n 5 -d performance

Darwin 会自动：

• 分析性能瓶颈，生成优化提案
• 配置「性能工程师」「DevOps」等角色参与评审
• 执行 TDD 开发，确保优化不破坏功能
• 自动简化冗余代码
• 记录每次优化的效果

5 轮迭代后，打开仪表板查看优化历程和成果。

场景二：安全审计

项目即将上线，需要进行安全审计：

/darwin:auto-evolve -n 3 -d security --require-approval

--require-approval 确保每个阶段你都能确认后再继续。Darwin 会自动配置「安全工程师」「合规专家」参与评审，聚焦 SQL 注入、XSS、权限控制等问题。

场景三：接手别人的项目

同事用 Vibe Coding 快速搭建了一个项目原型，现在交给你继续开发。

/darwin:dashboard

通过仪表板快速了解：

• 项目经历了哪些版本迭代
• 每个版本的评审委员会是谁，为什么选这些角色
• 关键架构决策的背景和原因
• 待处理的进化提案

不用再问「这段代码为什么这么写」，答案都在记录里。

场景四：技术债务清理

项目跑了半年，累积了不少技术债务。周末抽时间清理一下：

/darwin:auto-evolve -n 3 -d quality

Darwin 会聚焦代码质量：重复代码、过长函数、复杂嵌套、命名不规范等问题。QA 架构师和代码审查员会参与评审，确保每次清理都是有价值的改进。

对比

写在最后

Vibe Coding 的效率是真的，管理难度也是真的。当 Claude 能在几分钟内写出几千行代码时，管理和理解这些代码就成了新瓶颈。

Darwin 的核心理念是：让 AI 管理 AI 的产出。

• Auto-Evolve 解决「下一步做什么」—— 指定方向，自动迭代
• 智能委员会 解决「谁来评审」—— 根据内容自动推荐专家
• 集成工作流 解决「怎么做」—— TDD、代码简化、评审一条龙
• 可视化仪表板 解决「做了什么」—— 项目演进一目了然

如果你也在用 Claude Code 做项目，苦于缺乏趁手的项目管理工具，Darwin 值得一试。

链接

• Darwin GitHub
• Andrej Karpathy 的 LLM Council
• MIT Technology Review: Generative Coding