compound技能：AI驱动的知识管理工具，自动捕捉结构化见解

compound by ai-native-camp/camp-2

317 周安装量

13 GitHub Stars

GitHub

安装命令

npx skills add https://github.com/ai-native-camp/camp-2 --skill compound

AI/机器学习生产力知识管理

🇨🇳中文介绍

compound 技能

目的： 在工作过程中即时记录已验证的见解，以构建可搜索的知识库。

概述

此技能在见解被确认时立即捕捉，并将其保存为基于 YAML frontmatter 的结构化文档。采用按类别划分的单文件架构，每个见解都保存在 knowledge/[category]/[filename].md 中。

<critical_sequence name="insight-capture" enforce_order="strict">

7步流程

自动检测短语（从对话中识别）：

"这个效果很好"
"这个方法不错"
"下次也这样办"
"这个要记录下来"
"这个格式有效"
"这个办法有效果"
"这样操作成功了"
"需要记住这个"

或手动： /compound 命令

仅限非琐碎内容（具有复用价值的见解）：

可重复的模式
可应用于其他情境的经验教训
经过试错发现的方法
经过实战验证的方法
带来结构性改进的发现

跳过标准：

仅适用于当前情境的一次性方法
简单的事实记录（数值、日期等）
已记录内容的重复
尚未验证的假设

从对话历史中提取：

广告位招租

在这里展示您的产品或服务

触达数万 AI 开发者，精准高效

联系我们

相关 Skills

find-skills 技能搜索工具 - Vercel Labs 开源智能体技能包管理器

762,600 周安装

Vercel Web界面规范检查工具 - 自动检测代码是否符合Web设计指南

208,300 周安装

agent-browser 浏览器自动化工具 - Vercel Labs 命令行网页操作与测试

138,300 周安装

React 组合模式指南：Vercel 组件架构最佳实践，提升代码可维护性

105,000 周安装

domain : work / learning / project / tool / personal
insight_type : 见解类型（参考 schema.yaml 枚举）
component : 领域内的子组件（参考 schema.yaml 枚举）
context : 见解产生的背景情境（1-3句话）
key_learning : 核心经验教训一句话（可推广到其他情境）
impact : critical / high / medium / low
tags : 搜索关键词（小写，连字符分隔）

额外收集项：

背景：在什么项目/活动中
尝试过的方法：无效的尝试
有效的方法：实际起作用的方法
有效的原因：为何有效
重现条件：何时可以使用此方法

阻塞要求： 如果 domain、insight_type、核心见解不明确，则向用户提问并等待响应：

为了记录，需要确认一些信息：

1. 属于哪个领域？ (work/learning/project/tool/personal)
2. 见解类型是？ (例如：workflow_pattern, problem_solving, tool_discovery...)
3. 用一句话总结核心经验教训是？

[请回复后继续]

在 knowledge/ 中搜索相似见解：

# 基于 domain, tags, insight_type 并行搜索
Grep: pattern="domain: [domain]" path=knowledge/ output_mode=files_with_matches
Grep: pattern="tags:.*[keyword]" path=knowledge/ output_mode=files_with_matches -i=true
Grep: pattern="insight_type: [type]" path=knowledge/ output_mode=files_with_matches

发现相似文档时 向用户提供选项并等待：

发现相似文档：knowledge/[path]

如何处理？
1. 创建新文档 + 添加交叉引用（推荐）
2. 更新现有文档（如果是同一见解的补充）
3. 其他

选择 (1-3): _

等待用户响应后执行所选操作。

若无相似文档 则直接进入第 4 步。

格式：YYYYMMDD-[sanitized-insight-slug].md

小写
空格 → 连字符
移除特殊字符（连字符除外）
截断至 80 字符以内

20260304-claude-code-skill-structure.md
20260304-mcp-server-debugging-pattern.md
20260304-prompt-iteration-framework.md

基于 schema.yaml 验证所有必填字段。

<validation_gate name="yaml-schema" blocking="true">

domain: schema.yaml 枚举值之一
date: YYYY-MM-DD 格式
insight_type: schema.yaml 枚举值之一
component: 对应 domain 映射的枚举值之一（检查 domain_component_mapping）
context: 20-300 字符，描述具体情境
key_learning: 10-200 字符，可推广的经验教训
impact: critical / high / medium / low
tags: 1-8 个，小写连字符分隔

验证失败则阻塞第 6 步：

YAML 验证失败

错误：
- domain: 非允许值 → 应为 work, learning, project, tool, personal 之一
- component: domain 不允许的组件 → 请参考 schema.yaml
- tags: 包含大写字母 → 需要转换为小写

请提供修正后的值。

强制关卡： 所有验证通过前，禁止进入第 6 步。

确定类别目录： 使用 schema.yaml 的 category_mapping 将 insight_type 映射到存储路径。

INSIGHT_TYPE="[来自已验证的 YAML]"
CATEGORY_DIR="[从 category_mapping 映射]"
FILENAME="[第 4 步生成]"
DOC_PATH="${CATEGORY_DIR}${FILENAME}"

# 如果目录不存在则创建
mkdir -p "${CATEGORY_DIR}"

# 基于 assets/resolution-template.md 编写文档
# （包含第 2 步收集的上下文 + 第 5 步验证的 YAML frontmatter）

在类别目录中创建单个文件
通过枚举验证确保分类一致

如果在第 3 步发现相似文档：

# 在现有文档中添加 Related 部分
# 在新文档中也添加现有文档的链接

模式候选检测：

同一类别中存在 3 个或更多相似见解时：

检测到模式文档候选：[类别] 中有 X 个相似见解
→ 是否要汇总到 patterns/ 文档中？

关键模式提升条件（禁止自动提升，由用户决定）：

impact 为 critical 时
可跨多个领域横向应用时
必须记住时

此时在决策菜单的 "2. 添加到关键模式" 选项旁添加注释：

此见解值得考虑提升为关键模式

</critical_sequence>

<decision_gate name="post-documentation" wait_for_user="true">

捕获后的决策菜单

记录成功后提供选项并等待用户响应：

见解已记录。

文件创建：
- knowledge/[category]/[filename].md

后续操作：
1. 继续（推荐）
2. 添加到关键模式 - 提升至 critical-patterns.md
3. 关联相关文档 - 与相似见解建立交叉引用
4. 添加到现有技能 - 链接到 .claude/skills/
5. 查看文档 - 查看生成的内容

选择：_

各选项处理：

选项 1：继续

返回当前工作/工作流
记录完成

选项 2：添加到关键模式

反复应用的模式
绝对不能忘记的经验教训
违反直觉但必需的规则

从文档中提取模式
按照 assets/critical-pattern-template.md 格式结构化
添加到 knowledge/patterns/critical-patterns.md（保持序号）
在该文档中添加交叉引用
确认："已添加到关键模式。"

选项 3：关联相关文档

提示："要与哪个文档关联？（文件名或主题描述）"
在 knowledge/ 中搜索目标文档
添加双向交叉引用
确认："已添加交叉引用"

选项 4：添加到现有技能

提示："要添加到哪个技能？"
在 .claude/skills/[skill-name]/ 的适当文件中添加链接和描述
确认："已添加到 [skill-name] 技能"

选项 5：查看文档

显示生成的文档内容
再次显示决策菜单

<integration_protocol>

调用触发器：

/compound 命令（主要接口）
对话中确认短语的自动检测
工作流完成后手动调用

调用的技能/代理：

无（终端技能 - 不委托给其他技能）

移交条件： 调用前，对话历史中需有足够的上下文。

</integration_protocol>

满足以下所有条件时，视为记录成功：

YAML frontmatter 验证通过（所有必填字段、正确格式、有效枚举值）
在 knowledge/[category]/[filename].md 创建了文件
domain-component 映射与 schema.yaml 一致
Context、What Worked、Why This Works 部分描述具体
发现相似文档时添加了交叉引用
向用户展示了决策菜单并确认了操作

上下文不足：

向用户询问缺失的信息
在获取必需信息前禁止继续

YAML 验证失败：

显示具体的错误项
使用修正后的值重试
阻塞直至通过

相似见解模糊：

显示所有候选
用户选择：新文档 / 更新现有 / 单独关联

类别映射不确定：

建议最接近的类别
经用户确认后继续

YAML frontmatter 验证（第 5 步验证关卡是阻塞性的）
验证 domain-component 映射的有效性
写入文件前使用 mkdir -p 创建目录
上下文缺失时询问用户并等待
key_learning 应可推广到其他情境

跳过 YAML 验证（验证关卡是阻塞性的）
使用模糊描述进行记录（无法搜索）
记录假设或未经验证的内容
自动提升为关键模式（需用户决定）

用户： "在 Claude Code 中创建技能时，把示例放在 references/ 文件夹里，结果（AI）模仿得准确多了。下次也要这样做。"

触发器检测： "下次也要这样做" → 自动激活
上下文收集：
- domain: tool
- insight_type: tool_discovery
- component: claude-code
- context: "在编写 Claude Code 技能时，相比只放 SKILL.md，在 references/ 文件夹中同时放置具体示例文件，技能执行准确率显著提高"
- key_learning: "在编写 AI 技能/提示时，提供具体示例文件比提供抽象指令更能提高执行准确率"
- impact: high
- tags: [claude-code, skill, references, accuracy, prompt-engineering]
搜索现有文档： 搜索 knowledge/tool-discoveries/
生成文件名： 20260304-skill-references-improve-accuracy.md
YAML 验证： 通过
编写文档： knowledge/tool-discoveries/20260304-skill-references-improve-accuracy.md
交叉引用： 无（无相似文档）

见解已记录。

文件创建：
- knowledge/tool-discoveries/20260304-skill-references-improve-accuracy.md

后续操作：
1. 继续（推荐）
2. 添加到关键模式 - 提升至 critical-patterns.md
3. 关联相关文档 - 与相似见解建立交叉引用
4. 添加到现有技能 - 链接到 .claude/skills/
5. 查看文档 - 查看生成的内容

🇺🇸English

compound 스킬

목적: 작업 과정에서 검증된 인사이트를 즉시 문서화하여, 검색 가능한 지식 베이스를 구축한다.

개요

이 스킬은 인사이트가 확인되는 즉시 포착하여, YAML frontmatter 기반의 구조화된 문서로 저장한다. 카테고리별 단일 파일 아키텍처를 사용하며, 각 인사이트는 knowledge/[category]/[filename].md에 저장된다.

<critical_sequence name="insight-capture" enforce_order="strict">

7단계 프로세스

자동 감지 문구 (대화에서 인식):

"이거 잘 됐다"
"이 방식이 좋네"
"다음에도 이렇게 하자"
"이건 기록해두자"
"이 포맷이 먹혔다"
"이게 효과가 있었어"
"이렇게 하니까 됐어"
"기억해둬야 해"

OR 수동: /compound 커맨드

Non-trivial만 (재사용 가치 있는 인사이트):

반복할 수 있는 패턴
다른 상황에도 적용 가능한 교훈
시행착오 끝에 발견한 방법
실전에서 검증된 접근법
구조적 개선을 가져온 발견

스킵 기준:

이 상황에서만 통하는 일회성 방법
단순 사실 기록 (수치, 날짜 등)
이미 문서화된 내용의 반복
아직 검증되지 않은 가설

대화 이력에서 추출:

필수 정보:

domain : work / learning / project / tool / personal
insight_type : 인사이트 유형 (schema.yaml enum 참조)
component : 도메인 내 하위 컴포넌트 (schema.yaml enum 참조)
context : 어떤 상황에서 나온 인사이트인가 (1-3문장)
key_learning : 핵심 교훈 한 문장 (다른 상황에도 일반화 가능하게)
impact : critical / high / medium / low
tags : 검색 키워드 (소문자, 하이픈 구분)

추가 수집 항목:

배경: 어떤 프로젝트/활동 중이었는가
시도한 것들: 효과 없었던 접근들
효과 있었던 것: 실제로 작동한 방법
작동 이유: 왜 효과적이었는가
재현 조건: 언제 이 방법을 쓸 수 있는가

BLOCKING 요건: domain, insight_type, 핵심 인사이트가 불분명한 경우 사용자에게 질문하고 응답을 기다린다:

문서화를 위해 몇 가지 확인이 필요합니다:

1. 어떤 도메인인가요? (work/learning/project/tool/personal)
2. 인사이트 유형은? (예: workflow_pattern, problem_solving, tool_discovery...)
3. 핵심 교훈을 한 문장으로 정리하면?

[응답 후 계속 진행]

knowledge/ 에서 유사 인사이트 검색:

# domain, tags, insight_type 기준으로 병렬 검색
Grep: pattern="domain: [domain]" path=knowledge/ output_mode=files_with_matches
Grep: pattern="tags:.*[keyword]" path=knowledge/ output_mode=files_with_matches -i=true
Grep: pattern="insight_type: [type]" path=knowledge/ output_mode=files_with_matches

유사 문서 발견 시 사용자에게 선택지 제시 후 대기:

유사 문서 발견: knowledge/[path]

어떻게 할까요?
1. 새 문서 생성 + 교차 참조 추가 (권장)
2. 기존 문서 업데이트 (동일한 인사이트의 보완인 경우)
3. 기타

선택 (1-3): _

사용자 응답 대기 후 선택한 액션 실행.

유사 문서 없으면 Step 4로 바로 진행.

형식: YYYYMMDD-[sanitized-insight-slug].md

Sanitization 규칙:

소문자
공백 → 하이픈
특수문자 제거 (하이픈 제외)
80자 미만으로 truncate

예시:

20260304-claude-code-skill-structure.md
20260304-mcp-server-debugging-pattern.md
20260304-prompt-iteration-framework.md

schema.yaml 기반으로 모든 필수 필드 검증.

<validation_gate name="yaml-schema" blocking="true">

검증 항목:

domain: schema.yaml의 enum 값 중 하나
date: YYYY-MM-DD 형식
insight_type: schema.yaml의 enum 값 중 하나
component: 해당 domain에 매핑된 enum 값 중 하나 (domain_component_mapping 확인)
context: 20-300자, 구체적 상황 서술
key_learning: 10-200자, 일반화 가능한 교훈
impact: critical / high / medium / low
tags: 1-8개, 소문자 하이픈 구분

검증 실패 시 Step 6 차단:

YAML 검증 실패

오류:
- domain: 허용된 값이 아님 → work, learning, project, tool, personal 중 하나
- component: domain에 허용되지 않는 컴포넌트 → schema.yaml 참조
- tags: 대문자 포함 → 소문자로 변환 필요

수정된 값을 제공해주세요.

GATE 강제: 모든 검증 통과 전까지 Step 6 진행 금지.

</validation_gate>

카테고리 디렉토리 결정: schema.yaml의 category_mapping으로 insight_type → 저장 경로 매핑.

문서 생성:

INSIGHT_TYPE="[검증된 YAML에서]"
CATEGORY_DIR="[category_mapping에서 매핑]"
FILENAME="[Step 4에서 생성]"
DOC_PATH="${CATEGORY_DIR}${FILENAME}"

# 디렉토리 없으면 생성
mkdir -p "${CATEGORY_DIR}"

# assets/resolution-template.md 기반으로 문서 작성
# (Step 2에서 수집한 컨텍스트 + Step 5에서 검증한 YAML frontmatter)

결과:

카테고리 디렉토리에 단일 파일 생성
Enum 검증으로 일관된 분류 보장

Step 3에서 유사 문서 발견된 경우:

# 기존 문서에 Related 섹션 추가
# 새 문서에도 기존 문서 링크 추가

패턴 후보 감지:

동일 카테고리에 유사 인사이트 3개 이상 존재하면:

패턴 문서 후보 감지: [카테고리]에 유사 인사이트 X개
→ patterns/ 문서로 종합하시겠습니까?

Critical Pattern 승격 조건 (자동 승격 금지, 사용자 결정):

impact가 critical인 경우
여러 도메인에 횡단 적용 가능한 경우
반드시 기억해야 하는 경우

이 경우 Decision Menu에서 "2. 크리티컬 패턴에 추가" 옵션에 주석 추가:

이 인사이트는 크리티컬 패턴 승격을 고려해볼 만합니다

</critical_sequence>

<decision_gate name="post-documentation" wait_for_user="true">

Decision Menu After Capture

문서화 성공 후 선택지 제시 및 사용자 응답 대기:

인사이트가 기록되었습니다.

파일 생성:
- knowledge/[category]/[filename].md

다음 작업:
1. 계속 진행 (권장)
2. 크리티컬 패턴에 추가 - critical-patterns.md에 승격
3. 관련 문서 연결 - 유사 인사이트와 교차 참조
4. 기존 스킬에 추가 - .claude/skills/에 연결
5. 문서 확인 - 생성된 내용 보기

선택: _

각 옵션 처리:

Option 1: 계속 진행

현재 작업/워크플로우로 복귀
문서화 완료

Option 2: 크리티컬 패턴에 추가

사용자가 선택하는 경우:

반복 적용되는 패턴
절대 잊어서는 안 되는 교훈
비직관적이지만 필수적인 규칙

액션:

문서에서 패턴 추출
assets/critical-pattern-template.md 형식으로 구조화
knowledge/patterns/critical-patterns.md에 추가 (순번 유지)
해당 문서에 교차 참조 추가
확인: "크리티컬 패턴에 추가되었습니다."

Option 3: 관련 문서 연결

프롬프트: "어떤 문서와 연결할까요? (파일명 또는 주제 설명)"
knowledge/에서 대상 문서 검색
양방향 교차 참조 추가
확인: "교차 참조가 추가되었습니다"

Option 4: 기존 스킬에 추가

프롬프트: "어떤 스킬에 추가할까요?"
.claude/skills/[skill-name]/의 적절한 파일에 링크와 설명 추가
확인: "[skill-name] 스킬에 추가되었습니다"

Option 5: 문서 확인

생성된 문서 내용 표시
Decision Menu 다시 제시

</decision_gate>

<integration_protocol>

통합 지점

호출 트리거:

/compound 커맨드 (주 인터페이스)
대화 중 확인 문구 자동 감지
워크플로우 완료 후 수동 호출

호출하는 스킬/에이전트:

없음 (terminal 스킬 - 다른 스킬에 위임하지 않음)

Handoff 조건: 호출 전 대화 이력에 충분한 컨텍스트가 있어야 함.

</integration_protocol>

<success_criteria>

성공 기준

다음 모든 조건이 충족될 때 문서화 성공:

YAML frontmatter 검증 통과 (모든 필수 필드, 올바른 형식, 유효한 enum 값)
knowledge/[category]/[filename].md에 파일 생성됨
domain-component 매핑이 schema.yaml과 일치
Context, What Worked, Why This Works 섹션이 구체적으로 작성됨
유사 문서 발견 시 교차 참조 추가됨
사용자에게 Decision Menu 제시 및 액션 확인됨

</success_criteria>

에러 처리

컨텍스트 부족:

사용자에게 누락된 정보 질문
필수 정보 확보 전 진행 금지

YAML 검증 실패:

구체적인 오류 항목 표시
수정된 값으로 재시도
통과할 때까지 차단

유사 인사이트 모호함:

여러 후보 모두 표시
사용자 선택: 새 문서 / 기존 업데이트 / 별도 연결

카테고리 매핑 불확실:

가장 근접한 카테고리 제안
사용자 확인 후 진행

실행 가이드라인

반드시 해야 하는 것:

YAML frontmatter 검증 (Step 5 validation gate는 blocking)
domain-component 매핑 유효성 확인
파일 작성 전 mkdir -p로 디렉토리 생성
컨텍스트 누락 시 사용자에게 묻고 대기
key_learning은 다른 상황에도 적용 가능하게 일반화

절대 하지 말아야 하는 것:

YAML 검증 건너뛰기 (validation gate는 blocking)
모호한 설명으로 문서화 (검색 불가)
가설이나 미검증 내용 문서화
critical pattern 자동 승격 (사용자 결정 필요)

예시 시나리오

사용자: "Claude Code에서 스킬 만들 때 references/ 폴더에 예시를 넣었더니 훨씬 정확하게 따라하더라. 다음에도 이렇게 하자."

스킬 활성화:

트리거 감지: "다음에도 이렇게 하자" → 자동 활성화
컨텍스트 수집:
- domain: tool
- insight_type: tool_discovery
- component: claude-code
- context: "Claude Code 스킬 작성 시 SKILL.md만 두는 것보다 references/ 폴더에 구체적 예시 파일을 함께 두었을 때 스킬 실행 정확도가 크게 향상됨"
- key_learning: "AI 스킬/프롬프트 작성 시 추상적 지시보다 구체적 예시 파일을 함께 제공하면 실행 정확도가 높아진다"
- impact: high
- tags: [claude-code, skill, references, accuracy, prompt-engineering]
기존 문서 검색: knowledge/tool-discoveries/ 검색
파일명 생성: 20260304-skill-references-improve-accuracy.md
YAML 검증: 통과
문서 작성: knowledge/tool-discoveries/20260304-skill-references-improve-accuracy.md
교차 참조: 없음 (유사 문서 없음)

출력:

인사이트가 기록되었습니다.

파일 생성:
- knowledge/tool-discoveries/20260304-skill-references-improve-accuracy.md

다음 작업:
1. 계속 진행 (권장)
2. 크리티컬 패턴에 추가 - critical-patterns.md에 승격
3. 관련 문서 연결 - 유사 인사이트와 교차 참조
4. 기존 스킬에 추가 - .claude/skills/에 연결
5. 문서 확인 - 생성된 내용 보기

Weekly Installs

135

Repository

ai-native-camp/camp-2

GitHub Stars

First Seen

7 days ago

Security Audits

Gen Agent Trust HubPass SocketPass SnykPass

Installed on

claude-code133

opencode8

github-copilot7

codex7

amp7

cline7

头脑风暴技能：AI协作设计流程，将创意转化为完整规范与实施计划

78,400 周安装