rapid convergence
✓当存在明确的基线指标、关注领域范围并且可以直接验证时，实现 3-4 次迭代方法收敛（相对于标准 5-7 次）。当 V_meta 基线≥0.40、可量化的成功标准、回顾性验证数据和通用药物就足够时使用。在不牺牲质量的情况下，可缩短 40-60% 的时间（10-15 小时 vs 20-30 小时）。预测模型有助于估计实验计划期间的迭代次数。在错误恢复中进行验证（3次迭代，10小时，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.
当存在明确的基线指标、关注领域范围并且可以直接验证时，实现 3-4 次迭代方法收敛（相对于标准 5-7 次）。当 V_meta 基线≥0.40、可量化的成功标准、回顾性验证数据和通用药物就足够时使用。在不牺牲质量的情况下，可缩短 40-60% 的时间（10-15 小时 vs 20-30 小时）。预测模型有助于估计实验计划期间的迭代次数。在错误恢复中进行验证（3次迭代，10小时，V_instance=0.83，V_meta=0.85）。 来源：zpankz/mcp-skillset。
可引用信息
为搜索与 AI 引用准备的稳定字段与命令。
- 安装命令
npx skills add https://github.com/zpankz/mcp-skillset --skill rapid convergence- 分类
- </>开发工具
- 认证
- ✓
- 收录时间
- 2026-02-01
- 更新时间
- 2026-02-18
快速解答
什么是 rapid convergence？
当存在明确的基线指标、关注领域范围并且可以直接验证时，实现 3-4 次迭代方法收敛（相对于标准 5-7 次）。当 V_meta 基线≥0.40、可量化的成功标准、回顾性验证数据和通用药物就足够时使用。在不牺牲质量的情况下，可缩短 40-60% 的时间（10-15 小时 vs 20-30 小时）。预测模型有助于估计实验计划期间的迭代次数。在错误恢复中进行验证（3次迭代，10小时，V_instance=0.83，V_meta=0.85）。 来源：zpankz/mcp-skillset。
如何安装 rapid convergence？
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/zpankz/mcp-skillset --skill rapid convergence 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code 或 Cursor 中使用
这个 Skill 的源码在哪？
https://github.com/zpankz/mcp-skillset
详情
- 分类
- </>开发工具
- 来源
- skills.sh
- 收录时间
- 2026-02-01