mcpField
C
compound-learnings

compound-learnings

github.com/majesticlabs-devAgent 工作流5065 次安装7 周前更新
代码仓库

关于 compound-learnings

用于从 Git 历史、PR、交接记录和既有经验中识别重复模式的技能。它按出现频率筛选信号，并依据分类规则提出可执行的经验沉淀建议。

主要功能

  1. 01扫描 Git、PR 和交接记录
  2. 02合并语义相近的模式
  3. 03按出现次数设定阈值
  4. 04推荐沉淀产物类型
  5. 05检查建议的质量

适用场景

  1. 01从项目历史中查找重复修复
  2. 02判断某种模式是否适合沉淀为产物
  3. 03整理跨会话学习建议

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/majesticlabs-dev/majestic-marketplace --skill compound-learnings

安装后在 Claude Code 中输入/compound-learnings确认已加载。

详细介绍

复合学习

将反复出现的模式转化为持久的成果。使用基于频率的阈值来区分噪声与信号。

数据来源

扫描以下位置以查找模式：

来源命令/路径提取内容
Git 提交git log --oneline -100重复出现的修复类型、重构模式
Git 提交说明git log -50 --format="%B---"提交说明中的经验教训
PR 描述gh pr list --state merged -L 20决策、经验教训
交接记录$MAIN_WORKTREE/.agents/handoffs/*.md模式、有效/无效做法
关键经验CLAUDE.md（Key Learnings 部分）已编码的现有模式

**注意：**会话记录（.agents/session_ledger.md）仅供 Skill("reflect") 使用，用于记录每个会话的临时状态。

模式提取

步骤 1：收集原始模式
# Git patterns (look for repeated prefixes/types)
git log --oneline -100 | cut -d' ' -f2- | sort | uniq -c | sort -rn

# Handoff patterns
grep -h "^- " .agents/handoffs/*.md 2>/dev/null | sort | uniq -c | sort -rn
步骤 2：合并相似模式

计数前，先规范化模式：

  • “始终验证 X” + “在 Y 之前验证 X” → “验证 X”
  • “不要使用 Z” + “避免使用 Z” + “Z 会导致问题” → “避免使用 Z”

按语义分组，而非按确切措辞分组。

步骤 3：应用频率阈值
出现次数操作理由
1跳过可能是噪声或一次性事件
2记录正在显现的模式，留意是否再次出现
3+建议模式明确，建议创建成果
4+强烈建议立即编码

成果分类

使用此决策树确定成果类型：

Is it a sequential workflow with distinct phases?
  YES → Consider COMMAND (user-invoked) or AGENT (autonomous)
    Does it need user interaction during execution?
      YES → COMMAND
      NO → AGENT
  NO ↓

Should it trigger automatically on file/context patterns?
  YES → SKILL (probabilistic, Claude MAY follow)
    Is enforcement critical (must happen every time)?
      YES → Consider HOOK instead (deterministic)
  NO ↓

Is it a simple rule or convention?
  YES → RULE (add to CLAUDE.md or .agents/lessons/)
    Project-specific? → .agents/lessons/ (with workflow_phase: review)
    Universal? → CLAUDE.md
  NO ↓

Does it enhance an existing agent's behavior?
  YES → AGENT UPDATE (modify existing agent)
  NO → Likely doesn't need encoding
快速参考
成果使用时机示例
Rule（规则）简单约定，始终适用“文件名使用 kebab-case”
Skill（技能）特定工作的知识/上下文“Stimulus 控制器模式”
Hook（钩子）必须以确定性方式强制执行的行为“提交前运行代码检查工具”
Command（命令）用户调用且带参数的工作流“/deploy --env staging”
Agent自主执行任务并返回报告“security-review agent”

输出格式

按以下格式呈现发现：

## Compound Learnings Analysis

### Strong Signal (4+ occurrences)
| Pattern | Count | Recommended Artifact | Rationale |
|---------|-------|---------------------|-----------|
| ... | ... | ... | ... |

### Emerging Patterns (2-3 occurrences)
| Pattern | Count | Potential Artifact | Notes |
|---------|-------|-------------------|-------|
| ... | ... | ... | ... |

### Recommended Actions
1. **[Artifact Type]**: `name` - description
   - Draft: [brief template or content]

质量检查

建议创建成果前，请确认：

  • 通用性：适用于观察到该模式的特定事件之外的情况
  • 明确性：足够具体，可据此采取行动（而非含糊的建议）
  • 唯一性：不会与现有的 CLAUDE.md 规则或技能重复
  • 类型正确：符合分类决策树

与 learn 集成

从 Skill("learn") 调用时：

  1. 定位主工作树，以集中管理交接记录
  2. 从 git、PR 和交接记录中收集模式
  3. 合并模式并统计频次
  4. 应用阈值
  5. 对建议的成果进行分类
  6. 呈现发现及内容草稿
  7. 获得批准后，使用适当的工具创建成果

注意：Skill("reflect") 用于分析单个会话。Skill("learn") 用于跨会话复合学习。

评论

支持 Markdown