三阶段——检查 / 评测 / 观测
doctor 在花钱前先把用例集健康度卡住；eval 用五层管道给知识变体打分；observe 追踪线上回归。一套框架，三件事。
omk知识改了，真的变好了吗？
面向 LLM 知识输入（prompt / RAG / skill / agent）的评测与迭代框架。固定模型、只变知识载体，用统计可比的诊断代替「感觉好像好了」。
Skip to content
统计可比，不是凭感觉
对差值做 bootstrap 置信区间、评委一致性、长度去偏。报告里的 Δ 代表测量噪声之内的真实差异，而不是「数字动了一下」。
evolve——只收被证明的提升
提出一处改动，在留出集上要求统计显著才接受，并在锁定的 test 集上给一个无偏泛化分。拒绝与评委噪声不可分的「提升」。
Agent Skill 入场
通过 npm 安装 omk 后运行 `omk install omk-agent-skill`，即可把 omk 官方 Agent Skill 装到本机 coding agent，用自然语言驱动 doctor、eval、sample、evolve、observe 和 studio。