compound-learning

SKILL.md

Core transformation: Task(ο) + Knowledge(Κ) → Output(τ) + Knowledge'(Κ') where Κ' ⊃ Κ (knowledge strictly grows)

Traditional workflows treat each task in isolation. Compound learning treats every task as a learning opportunity that improves future performance. Like compound interest, small improvements accumulate exponentially: each unit of work makes subsequent units easier, faster, and higher-quality.

Purpose: Transform intent into structured, actionable plan using accumulated knowledge.

Holon auto-améliorant mettant en œuvre des boucles de flux de travail Plan → Exécuter → Évaluer → Composé avec cristallisation explicite des connaissances. Généralise l’ingénierie composée au-delà codage dans n'importe quel domaine où le travail produit des signaux apprenables : écriture, recherche, apprentissage, résolution de problèmes, conception. À utiliser lorsque : (1) la qualité des tâches est importante et peut s'améliorent avec le temps, (2) des modèles émergent d'un travail répété, (3) des les connaissances doivent s'accumuler, (4) les tâches futures doivent bénéficier des apprentissages passés, (5) « composé », « apprendre de », « améliorer le processus », « capturer les apprentissages » ou flux de travail en plusieurs étapes avec cycles de révision. Orchestre des agents de recherche parallèles, évaluation multi-objectifs et codification structurée des connaissances en éléments interrogeables documentation avec le frontmatter YAML. Implémente λο.τ → λ(ο,Κ).τ où Κ est des connaissances accumulées qui s’aggravent au fil du temps. Source : zpankz/mcp-skillset.

Voir l'original