agentsclimarketplace

Compound learning

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

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。From its SKILL.md

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.

One thing to look at

  • 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.

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.md 和 references/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.md 和 assets/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.md 与 references/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. 在 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 captured、connected、practicing 或 internalized:
    • 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 325,949. 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.