Token导航 LogoToken导航TokenDH.com
待分类权限需确认github未标认证来源可访问许可证需确认审计通过

compound-effect复合效应

Agent Skill

compound-effect 用于处理 GitHub 仓库、Issue、Pull Request 和代码协作信息,适合在 Codex、Claude、Cursor、Gemini CLI 中需要围绕仓库状态、代码变更或协作事项进行整理时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

总安装

343

周安装

14

GitHub Stars

9

下载量

110
CodexClaudeCursorGemini CLI

安装说明

本站只整理中文说明和来源信息,不托管安装包,也不代用户安装。

GitHub

来源数

2

许可证

unknown

最后核验

2026-05-01

来源状态

来源可访问

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:compound-effect(复合效应)
来源仓库:https://github.com/kangarooking/cognitive-dividend-skill
仓库路径:skills/compound-effect
安装命令:
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill compound-effect
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 npx skills 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

skills.shnpx skills
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill compound-effect

简介

解析复利效应在增长模型中的应用原理与实现路径。compound-effect 属于待分类类 Skill,可作为该场景下的辅助能力补充。

  • 强调支点验证、增强循环构建与时间累积的重要性,适用于长期价值项目。
  • 提供三步法框架:找支点、设增强回路、用超额利润回注增长。
  • 需基于已验证因果关系设计,避免虚构增长链条导致策略失效。
  • 安装前建议评估任务是否具备可持续复利特征再启用此技能。

SKILL.md

复利效应设计

R — 原文 (Reading)

"所谓复利效应,就是可以把原来一个极小的数,通过一个简单的数学公式运算,每一次都在上一次的基础上,按一定比例增长,在执行若干次之后,整个结果就会形成爆发式的快速上扬,最终变成一个天文数字!" "设计复利效应的第一步,是一定要找到一个'支点'。什么是支点?就是我做了A,是否能得到结果B?所有的复利效应都是建立在这样一个支点上的,如果这个支点不成立,复利效应就会轰然倒塌。" "即便你在做的事情,目前是拥有复利效应的,但是如果坚持的时间不够长,重复的次数不够多,你还没有走到'里程碑'这个位置的话,你是感觉不到太大变化的。" —— 《认知红利》第4章

I — 方法论骨架 (Interpretation)

  1. 复利效应的本质:将线性增长(加法)转化为指数增长(幂运算)。关键在于每次增长都建立在上一次的基础上,而非从零开始
  2. 设计复利效应的三步法:

- 第一步:找支点 — 验证因果关系(A→B)。支点必须是已被验证的结论、常识或数学定律,不要自己重新发明轮子。站在巨人肩膀上:看书、找已验证的因果关系(如电商的"销售额=流量×转化率×客单价") - 第二步:设计增强循环 — 让B反过来增强A。两种情况:(1) 天然存在增强循环(利滚利、鸡生蛋蛋生鸡),直接找到并执行;(2) 需补充要素构建闭环(如开店赚的钱→开更多店→赚更多钱),关键是用"超额利润"来回注增长引擎 - 第三步:坚持到里程碑 — 复利效应的致命缺陷是前期增效极低,50%位置时几乎感觉不到变化。只有走过"里程碑"才会急速上扬。放弃的原因不是方法错误,而是重复次数不够

  1. 两种特殊的复利模型:(1) 加法→幂运算(如孤立学习→关联学习,知识量从+1变成指数增长);(2) 量变→质变(如公众号分享率达到临界值后从衰减循环变为增强循环)

A1 — 书中应用 (Past Application)

  • 棋盘放麦粒的故事:在64格棋盘上每格放前一格2倍的麦粒,最终总数达5500多亿吨,直观展示复利的爆炸力
  • 滴滴打车的双边增强循环:更多司机→乘客更容易打到车→更多乘客→更多司机加入→如此往复
  • 开店裂变的补充要素循环:一家店赚钱→用利润开第二家→第二家也赚钱→开更多家→速度越来越快
  • 知识学习的复利:孤立地学习"复利""比例偏见""SWOT"是加法增长;把新知识和旧知识关联("如何在产品设计中加入复利效应?")则变为指数增长
  • 乐高积木:每创新一款新积木,不是多了1款,而是所有旧积木多了一种新玩法,产生复利效应
  • 公众号传播的量变质变模型:分享率决定循环次数,当分享率达到某个临界值,每次循环带来的新流量从递减变为递增

A2 — 触发场景 (Future Trigger)

何时使用此 skill:

  • 正在做一件事但增长极慢,不确定是否值得坚持
  • 想设计一个商业模式、学习计划或个人成长系统,让努力产生累积效应
  • 想判断一个增长模型是否真的具有复利效应(还是只是线性增长包装成复利)
  • 在里程碑前的漫长平台期,需要判断"该坚持"还是"该放弃"

语言信号:

  • "为什么做了这么久还是没效果"
  • "我该不该坚持"
  • "如何让增长加速"
  • "为什么别人越做越快我却原地踏步"
  • "复利思维怎么用"
  • "怎么让努力产生积累"

与相邻 skill 区分:

  • time-merchant 的区别:本 skill 聚焦"如何在选定模式中让增长指数化";time-merchant 聚焦"选择哪种经营模式"
  • attention-management 的区别:本 skill 是增长系统的设计框架;attention-management 是注意力资源的分配框架
  • 如果问题是"我该选择哪种赚钱模式"→ 用 time-merchant
  • 如果问题是"我怎么把注意力分配好"→ 用 attention-management
  • 如果问题是"我已经在做了,怎么让效果越来越大"→ 用 compound-effect

E — 可执行步骤 (Execution)

步骤1:验证支点

  • 写下你要做的事的因果关系假设:"做A → 得到结果B"
  • 查找已验证的证据:行业数据、学术研究、经典案例(至少找到3个支持性证据)
  • 如果找不到可靠的因果关系,先回到学习阶段(看书、请教专家),不要盲目投入
  • 完成标准:输出一条可验证的因果关系陈述 + 至少3条支撑证据

步骤2:设计增强循环

  • 画出你的因果链:A → B →? → 是否能回到A?
  • 如果B无法直接增强A,寻找补充要素C:A→B→C→A(如:内容→读者→收入→更好的内容)
  • 检验循环是否真正增强:每次循环的增量是否在增加而非递减?如果递减,找到瓶颈(如公众号案例中的"分享率")
  • 完成标准:画出增强循环图,标注每个环节的量化指标和预期增长率

步骤3:设定里程碑并坚持

  • 根据循环的预期增长率,估算里程碑位置(即曲线开始急速上扬的时间点或累积量)
  • 设置过程指标(非结果指标):比如每天/每周的循环执行次数,而非最终收入
  • 当想放弃时,对照复利曲线图判断自己在哪个位置,确认是"还没到里程碑"还是"支点本身不成立"
  • 完成标准:里程碑量化目标 + 每周过程指标跟踪表 + 连续执行记录

B — 边界 (Boundary)

不要用的场景:

  • 一次性项目、短期任务(如策划一场活动)不需要设计复利效应
  • 因果关系不明确或高度不确定的领域(如投机性投资),强行套用复利框架可能导致巨大损失
  • 当环境发生根本性变化时(技术颠覆、政策剧变),原来的支点可能已经失效,需要重新验证

失败模式:

  • 没有验证支点就开始"坚持",结果是在错误的方向上积累(支点不成立的复利效应是庞氏骗局)
  • 把线性增长误认为复利增长——关键判别是"每次循环的增量是否在增加"
  • 在里程碑前放弃——最常见也最可惜的失败
  • 设计的增强循环过于复杂,依赖太多中间变量,任何一个环节断裂就崩溃

作者盲点:

  • 对"里程碑"的估算缺乏具体方法论,实践中很难提前知道需要坚持多久
  • 未充分讨论复利系统的崩溃风险——增强循环反向运作时(恶性循环),衰减也是指数级的
  • "找支点=看书"的建议过于简化,有些领域的因果关系需要通过实验验证而非文献查阅
  • 对"量变质变"模型的讨论缺乏对临界值的定量判断方法

相关 skills

本 skill 与以下 skill 存在关联:

  • time-merchant(协同):复利效应为时间商人模式提供增长引擎,在选定经营模式后用复利循环让产出越滚越大。
  • evolution-strategy(对比):复利效应强调"找到因果支点后坚持到里程碑"的确定性增长路径,演化策略则强调"通过不断试错让环境筛选方向"的不确定性应对方式,两者适合不同性质的问题。

适合场景

01

用户想查找某类 Agent Skill 时

02

需要根据任务场景推荐可安装能力包时

03

需要对比不同来源的安装命令和来源信息时

能力概览

能力 1

按任务关键词查找相关 Skills

能力 2

展示可复制的安装命令

能力 3

保留来源站点、仓库和原始说明,方便继续核验

能力 4

展示第三方安全扫描或审计结果

安装后应在对应宿主中按原始 README 的触发条件使用;具体调用方式请以来源页面和 README 为准。

平台分布

Codex

35.01%
按下载量换算39

Claude

29.36%
按下载量换算32

Cursor

19.07%
按下载量换算21

Gemini CLI

9.43%
按下载量换算10

安全审计

Gen Agent Trust Hub

通过

Socket

通过

Snyk

通过

权限和风险

权限需确认

当前来源未能明确判断权限范围,默认进入异常复核队列。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。当前只有一个来源,正式发布前建议补源仓库或其他目录站核验。

来源信息

继续浏览同类 Skills