agentsclimarketplace

Compound learning

Skill Pandasocool/compound-learning/skill/compound-learning

跨 Agent 的开源学习系统:把内容转化为行动、复盘与个人学习地图

Install
npx -y skills add Pandasocool/compound-learning --skill compound-learning

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • 13 days oldThe repository was created 13 days ago. New is not bad, but a brand new repository carrying a familiar-sounding name is the shape a typosquat arrives in, and there has been no time for anyone else to find a problem with it.
  • 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

基于开放 Agent Skills 结构,将播客、视频、访谈、演讲、课程和文章转化为可行动、可复盘的长期学习系统,并保存到用户选择的 Obsidian 或飞书文档。适用于 Codex、Claude Code、WorkBuddy 及其他支持 SKILL.md 的 Agent。用户提供内容链接、要求提炼内容并沉淀到知识库、建立学习地图、选择性制定长期实践计划,或要求周、月、半年、年度学习复盘及芒格式逆向分析时使用。也用于首次介绍功能、选择存储端、初始化学习根目录、固定笔记格式、检测或恢复连接。

SKILL.md

10.7 KB, ~3.6k tokens by cl100k_base, as published. Nobody here has run it

学习复利系统

把“看过、听过”变成四个连续动作:围绕问题理解、转成行为实验、周期复盘、更新学习地图。

路由

根据请求进入一个或多个流程:

  1. 首次使用或用户说“初始化、连接 Obsidian/飞书、设置目录”:执行“首次初始化”。
  2. 用户提供内容链接:执行“单次学习”。
  3. 用户要求周、月、半年或年度复盘:执行“周期复盘”。
  4. 用户要求学习地图、最近学了什么、知识结构:执行“更新学习地图”。
  5. 用户要求分析心理、盲点、该关注什么、芒格逆向思考:执行“逆向分析”。

读取 references/runtime-compatibility.md,按当前 Agent 的可用工具执行,不假设特定厂商工具名。

先检查跨 Agent 配置 ~/.compound-learning/config.json。配置存在且有效时复用存储端、根目录和格式,不重复询问。新配置不存在但发现旧配置 ~/.codex/compound-learning/config.json 时,先读取并验证,再迁移到新位置;不要覆盖已经存在的新配置。若选择 Obsidian,再用根目录中的 .compound-learning.json 交叉验证。缺失、路径失效或目标平台不可用时,只补问受影响的设置。

首次初始化

读取 references/integrations.mdreferences/note-schema.md

  1. 先问:“这是第一次使用。要不要先了解一下核心功能和使用收益?”如果用户拒绝,直接进入存储选择,不再介绍。
  2. 如果用户同意,读取 assets/first-use-intro-template.md,根据当前界面能力呈现简洁介绍:
    • 支持 Mermaid 时展示一张学习闭环图。
    • 不支持 Mermaid 时展示等价的单行文字流程。
    • 不同时展示两种版本,不让介绍超过一个屏幕。
    • 核心功能:问题导向提炼、立即行动、灵光一闪、周期复盘、学习地图、逆向分析。
    • 短期收益:减少看完即忘,把一次输入转成一个清晰答案和一个可执行动作。
    • 长期收益:积累相互连接、经过实践验证的知识,逐步形成个人学习地图和判断体系。
  3. 让用户只选择一个存储端:“你希望使用 Obsidian 还是飞书?”用户已经明确选择时不要重复询问。除非用户以后明确迁移,否则不要初始化另一个。
  4. 用户选择 Obsidian 时:
    • 定位当前仓库;有多个仓库且无法判断时再让用户选择。
    • 确认学习根目录名称,默认 学习复利系统
    • 使用 scripts/init_workspace.py 创建标准结构;先 --dry-run 再执行。
  5. 用户选择飞书时:
    • 检测 Feishu/Lark 文档工具或已登录的浏览器。
    • 确认云空间或父文件夹与学习根目录名称,默认 学习复利系统
    • 在指定位置创建标准结构。
    • 无可用连接方式时报告真实阻塞,询问是稍后连接还是改选 Obsidian;不要自动切换。
  6. 把唯一存储端及其根目录写入 ~/.compound-learning/config.json。验证根目录、全部一级和复盘子目录及写入权限。不要为了测试创建无意义正式笔记。

默认结构:

学习复利系统/
├── 具体学习内容/
│   └── <方向>/<YYYY>/
├── 学习地图/
│   ├── 学习地图.md
│   ├── 主题索引/
│   ├── 问题索引.md
│   ├── 周期复盘/
│   │   ├── 周复盘/
│   │   ├── 月复盘/
│   │   ├── 半年复盘/
│   │   └── 年度复盘/
│   └── 心理与关注事项.md
└── .compound-learning.json

用户选择 Obsidian 时使用 Markdown 文件;选择飞书时使用同名文件夹和文档。

单次学习

1. 先获取目标问题

如果用户只给链接,必须先问:

  1. “这份内容属于什么方向?”
  2. “你最希望通过它解决什么问题,或者学到什么?”

如果用户已经给出其中一个答案,只补问缺失项。可以同时读取公开元数据,但在获得答案前不要生成最终笔记。根据标题给出方向候选可以帮助用户回答,但不要替用户决定。

2. 获取和核对内容

优先使用平台专用字幕、文字稿或官方简介;必要时转写音频。保存标题、作者/嘉宾、发布时间、时长、原链接和关键时间戳。

遵守以下规则:

  • 把原始内容的主张、外部事实和你的推断分开。
  • 自动字幕不可靠时标明转写限制,不把疑似错词写成事实。
  • 对医疗、心理、法律、财务等高风险内容核对权威来源;无法核实时降低措辞强度。
  • 不把相关性写成因果,不把内容中的比喻当作脑区或机制的精确模型。

3. 以用户问题为主线生成笔记

严格使用 references/note-schema.mdassets/learning-note-template.md。输出顺序必须是:

  1. 核心结论
  2. 核心观点概述
  3. 我最关注的问题
  4. 可以立刻复用的行为
  5. 灵光一闪
  6. 芒格式逆向提醒
  7. 证据边界与来源

不要写成逐段复述。每条核心观点都回答“它如何帮助用户的问题”。每个行为都包含触发场景、具体动作、频率和反馈信号。

4. 判断是否需要长期实践计划

仅当目标需要经过持续训练才能稳定见效时,才询问:“这项能力需要持续练习才能见效,要不要我额外制定一个 30 天实践计划?”

满足以下至少两项时才建议:

  • 目标是形成习惯、技能或稳定行为,而不是理解一个观点。
  • 需要两周以上重复练习、反馈和调整。
  • 单次行动不能验证效果。
  • 用户明确希望长期改变。

用户拒绝时不生成计划,也不保留空章节。用户主动要求计划时直接生成。计划只围绕 1 个主要改变,最多 2 个辅助行为,分为基线、稳定练习、真实场景测试、固化复盘四阶段,并包含最小动作、完成标准和失败缩小版。

用户确认后,将“30 天实践计划”插入“可以立刻复用的行为”和“灵光一闪”之间。

5. 生成“灵光一闪”

选择本次内容中最核心且值得迁移的一个概念,不要罗列术语。读取 references/insight-method.md,写清:

  • 概念是什么
  • 为什么有用
  • 机制或逻辑
  • 本次内容中的例子
  • 与相邻概念的区别
  • 适用边界
  • 可继续探索的问题

“象与骑象人”的标准扩展示例见该参考文件。不要照抄示例,要结合用户关注的问题。

6. 保存

  1. Obsidian:保存到 具体学习内容/<方向>/<YYYY>/YYYY-MM-DD - <标题>.md
  2. 飞书:在 具体学习内容/<方向>/<YYYY>/ 创建同名文档。
  3. 更新所选存储端中的主题索引、问题索引和学习地图。
  4. 保存失败时报告真实原因,不擅自写入另一存储端。
  5. 最终只汇报保存位置、最重要的一个行动,以及是否生成了可选实践计划。

周期复盘

读取 references/review-method.mdreferences/inverse-thinking.md

按绝对日期筛选该周期内的学习笔记,不以文件修改时间代替 learned_at。没有足够材料时明确说明样本数量,不凑结论。

周复盘

回答:本周学了什么、解决了哪些问题、做了哪些实验、哪个行为有效、下周只保留什么。更新主题和问题链接。

月复盘

聚合主题频率、问题变化、已选择实践计划的完成度、反复出现的概念和行动证据。生成一次逆向分析,并选择下月的一个主线问题。

半年复盘

识别知识结构的增长、长期未行动的主题、信念变化、能力迁移和被忽略的重要领域。区分“收藏很多”与“已通过行动验证”。

年度复盘

总结年度学习地图、重大认知更新、真实行为或决策改变、无效输入、最有复利的主题,并制定下一年度的学习组合:继续、停止、新增。

使用对应的 assets/*-review-template.md。复盘只写入已选择的存储端下的 学习地图/周期复盘/<周期>/

更新学习地图

将学习地图当作可导航的 Map of Content,而不是笔记清单。

  1. 为每个稳定主题维护一个主题索引:核心问题、相关概念、来源笔记、已验证行为、未解问题。
  2. 学习地图.md 中只保留主题层级、关键连接和当前主线。
  3. 将知识状态标为 capturedconnectedpracticinginternalized
    • captured:只接触过。
    • connected:能解释并连接到其他概念。
    • practicing:正在用行为验证。
    • internalized:在多个真实场景中稳定复用。
  4. 升级状态必须引用笔记或行动证据,不凭主观感觉。
  5. 合并同义主题,保留别名,避免地图碎片化。

芒格式逆向分析

只基于用户最近学习笔记、明确表达和行动记录进行分析。使用 references/inverse-thinking.md

输出四层:

  1. 观察到的模式:引用学习主题、问题或行为证据。
  2. 可能的心理机制:使用“可能、倾向、低/中/高置信度”,并给出反证。
  3. 逆向问题:如果想确保自己没有收获,会继续做什么?
  4. 关注建议:停止一件事、继续一件事、开始一件事。

禁止诊断精神疾病、贴人格标签或从少量笔记断言动机。主题出现频率不等于心理问题。存在明显痛苦或安全风险时,建议寻求合格专业人士支持。

冲突与失败处理

  • 路径冲突:不覆盖现有文件;追加可辨识后缀或请求用户选择。
  • 存储端切换:只在用户明确要求时迁移,不默认保留双端副本。
  • 内容不足:产出“待补充”而不是编造。
  • 链接不可访问:请用户提供文字稿、音频或可访问替代链接。
  • 配置损坏:备份原配置,重新初始化受影响字段,不重建整个知识库。

What ships with it: 14 files

18.8 KB alongside SKILL.md, 1 of them executable

agents/

scripts/

Keep looking

Skills are one crate of 326,970. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.