
Compound Effect
- 29 installs
- 31 repo stars
- Updated April 17, 2026
- kangarooking/cognitive-dividend-skill
Helps with ai & agent building tasks.
About
compound-effect is a Claude Code skill for ai & agent building. It helps solo builders move faster with AI-assisted development.
- compound-effect
- AI & Agent Building
- AI-coding skill
Compound Effect by the numbers
- 29 all-time installs (skills.sh)
- Ranked #9,417 of 16,546 AI & Agent Building skills by installs in the Skillselion catalog
- Data as of Aug 4, 2026 (Skillselion catalog sync)
npx skills add https://github.com/kangarooking/cognitive-dividend-skill --skill compound-effectAdd your badge
Show developers this skill is listed on Skillselion. Paste this into your README.
| Installs | 29 |
|---|---|
| repo stars | ★ 31 |
| Last updated | April 17, 2026 |
| Repository | kangarooking/cognitive-dividend-skill ↗ |
What it does
Helps with ai & agent building tasks.
Files
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
3. 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:
- 与
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" - 与
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。
{
"skill": "compound-effect",
"version": "0.1.0",
"source_book": "认知红利 — 谢春霖",
"darwin_compatible": true,
"test_cases": [
{
"type": "should_trigger",
"prompt": "感觉每天都很努力,但好像没有任何积累,为什么努力看不到回报?",
"reason": "用户困惑努力没回报,可能缺乏复利思维"
},
{
"type": "should_trigger",
"prompt": "想设计一个持续增长的策略,让我的能力像滚雪球一样越滚越大",
"reason": "用户想设计增长策略、建立正循环,核心触发"
},
{
"type": "should_trigger",
"prompt": "为什么有的人越做越轻松,我却越做越累?差别到底在哪?",
"reason": "用户对比线性增长和指数增长,核心复利思维场景"
},
{
"type": "should_trigger",
"prompt": "怎么才能让自己的成长形成正向循环,而不是每次都从零开始?",
"reason": "用户想建立正循环,核心复利效应场景"
},
{
"type": "should_not_trigger",
"prompt": "年化收益率8%的基金,投10万块20年后能变成多少?帮我算一下",
"reason": "具体理财复利计算,非思维模型层面"
},
{
"type": "should_not_trigger",
"prompt": "银行定期存款的复利和单利怎么算?哪个更划算?",
"reason": "纯数学计算问题,非复利思维模型"
},
{
"type": "should_not_trigger",
"prompt": "房贷等额本息和等额本金哪个更省钱?能帮我对比一下吗?",
"reason": "具体贷款计算,与复利思维无关"
},
{
"type": "edge_case",
"prompt": "每天坚持学一点英语,长期来看真的会有质的飞跃吗?",
"reason": "涉及持续积累效应,但偏具体学习行为"
},
{
"type": "edge_case",
"prompt": "坚持写公众号半年了,粉丝增长很慢,是不是应该换个策略?",
"reason": "涉及增长策略但偏具体运营问题"
}
],
"minimum_pass_rate": 0.8
}
Related skills
AI & Agent Buildingagents