rapid convergence
✓當存在明確的基線指標、關注領域範圍並且可以直接驗證時，實現 3-4 次迭代方法收斂（相對於標準 5-7 次）。當 V_meta 基線≥0.40、可量化的成功標準、回顧性驗證數據和通用藥物就足夠時使用。在不犧牲質量的情況下，可縮短 40-60% 的時間（10-15 小時 vs 20-30 小時）。預測模型有助於估計實驗計劃期間的迭代次數。在錯誤恢復中進行驗證（3次迭代，10小時，V_instance=0.83，V_meta=0.85）。
SKILL.md
Achieve methodology convergence in 3-4 iterations through structural optimization, not rushing.
Rapid convergence is not about moving fast - it's about recognizing when structural factors naturally enable faster progress without sacrificing quality.
See ../retrospective-validation for retrospective validation technique.
當存在明確的基線指標、關注領域範圍並且可以直接驗證時，實現 3-4 次迭代方法收斂（相對於標準 5-7 次）。當 V_meta 基線≥0.40、可量化的成功標準、回顧性驗證數據和通用藥物就足夠時使用。在不犧牲質量的情況下，可縮短 40-60% 的時間（10-15 小時 vs 20-30 小時）。預測模型有助於估計實驗計劃期間的迭代次數。在錯誤恢復中進行驗證（3次迭代，10小時，V_instance=0.83，V_meta=0.85）。 來源：zpankz/mcp-skillset。
可引用資訊
為搜尋與 AI 引用準備的穩定欄位與指令。
- 安裝指令
npx skills add https://github.com/zpankz/mcp-skillset --skill rapid convergence- 分類
- </>開發工具
- 認證
- ✓
- 收錄時間
- 2026-02-01
- 更新時間
- 2026-02-18
快速解答
什麼是 rapid convergence？
當存在明確的基線指標、關注領域範圍並且可以直接驗證時，實現 3-4 次迭代方法收斂（相對於標準 5-7 次）。當 V_meta 基線≥0.40、可量化的成功標準、回顧性驗證數據和通用藥物就足夠時使用。在不犧牲質量的情況下，可縮短 40-60% 的時間（10-15 小時 vs 20-30 小時）。預測模型有助於估計實驗計劃期間的迭代次數。在錯誤恢復中進行驗證（3次迭代，10小時，V_instance=0.83，V_meta=0.85）。 來源：zpankz/mcp-skillset。
如何安裝 rapid convergence？
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/zpankz/mcp-skillset --skill rapid convergence 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用
這個 Skill 的原始碼在哪？
https://github.com/zpankz/mcp-skillset
詳情
- 分類
- </>開發工具
- 來源
- skills.sh
- 收錄時間
- 2026-02-01