km:skill-improve

对现有 skill 的改动通过盲 A/B 试验与实测数据验证是否采纳。

把对现有 skill 的改动当实验来跑，从现状分析到 candidate 起草，再用盲 A/B 运营试验检验实际效果，最后决定是否采纳。适合想验证某个改动真能提升表现且不想凭主观判断直接上线时用。职责是做盲测和采纳判定，不负责从零创建新 skill 或对非-skill prompt 资产的量化评测。

# Skill Improvement Cycle

skill のような prompt 資産の変更は、diff の静的レビューだけでは「意図した挙動改善が実際に起きるか・既存挙動を退行させないか」を判定できない。改善アイデアを課題として具体化し、candidate を起草し、実挙動（A/B 運用テスト）で質の向上を確かめてから採用する。

## 入口

- **改善アイデアから**（基本形）: 人間が持ち込んだ改善アイデアを起点に、フェーズ 1 から回す。base はディスク上の現行版そのもの
- **diff 済み変更の検証から**: 対象 skill が既に編集済みなら、base（変更前）を `git show <ref>:<path>` 等で references ごと一時ディレクトリに再現し、candidate（作業ツリー）と比較する。フェーズ 2（現状分析）だけ先に行ってからフェーズ 5（検証）に入る — 効く層・変更タイプ・wash リスクの特定は検証設計に必要なため省略できない

## 改善サイクル

1. **アイデアの具体化**: 「どの場面で・現状どうなるか・どうなってほしいか」に落とす。答えが検証設計を変える曖昧さが残るならユーザーに確認する
2. **現状分析**: 対象 skill 一式（SKILL.md + references）を読み、次の 3 つを特定する
   - **効く層・分岐**: アイデアが skill のどの層・分岐に効くか。変更しない層が単独で拾える改善は A/B で差が出ない（wash リスクの予測）
   - **source