compound-learning

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.

Самоусовершенствующаяся реализация холона План→Выполнение→Оценка→Циклы составных рабочих процессов с явной кристаллизацией знаний. Обобщает сложную инженерию за пределами кодирование в любой области, где работа производит обучаемые сигналы: письмо, исследования, обучение, решение проблем, дизайн. Используйте, когда: (1) качество задачи имеет значение и может улучшаться с течением времени, (2) закономерности возникают в результате повторяющейся работы, (3) институциональные знания должны накапливаться, (4) будущие задачи должны извлечь выгоду из прошлых знаний, (5) «составлять», «учиться», «улучшать процесс», «фиксировать полученные знания» или многоэтапные рабочие процессы с циклами проверки. Управляет параллельными исследовательскими агентами, многофакторная оценка и структурированная кодификация знаний в доступные для поиска документация с фронтальной частью YAML. Реализует λο.τ → λ(ο, Κ).τ, где Κ — накопленные знания, которые со временем складываются, как проценты. Источник: zpankz/mcp-skillset.