用途
Compound Engineering 是一套面向 AI 辅助开发的工程方法论技能，灵感来自 Every.to 的工程实践。其核心理念是：每一份工程工作都应当让后续工作更轻松，而不是更困难。传统开发会不断累积技术债——每个功能都增加复杂度，每次改动都加重维护负担；而 Compound Engineering 通过建立一个学习循环来反转这一趋势，让每个 bug、失败的测试或问题解决洞见都被记录下来，并被未来的工作所使用。
主要能力
该技能围绕一个循环展开：Plan（计划）→ Work（执行）→ Review（评审）→ Compound（沉淀）→ 重复。其中 80% 的价值来自计划与评审，20% 来自执行。
第一步：Plan（计划，占 40%）
在写任何代码之前先创建一份全面的计划。好的计划从研究开始：
- 代码库分析：搜索代码库中相似的模式、约定和既有实现
- 提交历史：使用 git log 了解相关功能是如何构建的
- 文档：检查 README、AGENTS.md 和内联文档
- 外部研究：搜索与问题相关的最佳实践
计划文档（markdown）结构包含：Context（背景：解决什么问题、影响谁、当前行为与期望行为）、Research Findings（研究发现：代码库中的相似模式、相关既往实现、发现的最佳实践）、Acceptance Criteria（可测试的验收标准）、Technical Approach（技术方案的具体步骤）、Code Examples（遵循既有模式的代码片段）、Testing Strategy（单元测试、集成测试、手动验证）、Risks & Mitigations（风险与缓解措施）。
计划分为三个详细级别：Minimal（简单功能的快速问题，1-2 小时工作量）、Standard（含技术考量的任务，1-2 天工作量）、Comprehensive（需要架构决策的大型功能，多天工作量）。
第二步：Work（执行，占 20%）
系统化地执行计划：创建隔离环境（功能分支或 git worktree）、拆解为任务（从计划生成 TODO 列表）、逐项系统执行、持续验证（每次改动后运行测试）、增量提交（小而聚焦、信息清晰的提交）。工作原则包括：遵循研究中发现的既有模式、每次有意义的改动后运行测试、失败时先理解原因再继续、保持改动聚焦不扩大范围。执行中的质量检查示例命令为：npm run typecheck、npm test、npm run lint。
第三步：Review（评审，占 20%）
合并前进行全面评审，检查清单涵盖：代码质量（遵循既有模式与约定、避免不必要的复杂度、命名清晰、无遗留调试代码）、安全（不暴露密钥或敏感数据、必要的输入校验、安全处理用户数据）、性能（无明显性能回退、数据库查询高效无 N+1、适当缓存）、测试（覆盖验收标准、考虑边界情况、测试可维护不脆弱）、架构（与系统设计一致、不引入不必要耦合、遵循关注点分离）。同时从多视角评审：维护者视角（6 个月后是否易于修改）、性能视角、安全视角、简洁性视角。
第四步：Compound（沉淀）
这是关键环节——捕获经验让未来工作更轻松。需要沉淀的内容包括：Patterns（记录发现或创建的新模式，含使用场景、实现示例、文件引用）、Decisions（记录为何选择某种方案，含背景、备选方案、理由、权衡）、Failures（把每个 bug 变成教训，含症状、根因、修复、预防）。沉淀位置包括：AGENTS.md（项目级通用指导）、子目录 AGENTS.md（子系统专属指导）、内联注释（仅当代码不自解释时）、测试用例（把 bug 变成回归测试）。
使用方式
该技能提供四类实用命令模板：
- 规划功能：描述功能，研究代码库相似模式、检查 git 历史、创建含验收标准的详细计划、包含匹配既有模式的代码示例
- 执行工作：引用计划，创建功能分支、拆解 TODO、系统推进、每次改动后运行测试、完成后创建 PR
- 评审代码：引用 PR/diff，检查代码质量、安全、性能、测试覆盖并给出改进建议
- 沉淀经验：针对刚完成的工作，梳理使用了或创建了哪些模式、做了哪些决策及原因、发生了哪些失败及如何预防，并更新 AGENTS.md
适用场景
适用于规划功能、执行任务、评审代码或沉淀经验等 AI 辅助开发场景。
关键原则与成功指标
关键原则：优先重复而非错误抽象；边做边记录；质量会复利；系统化胜过个人英雄主义；知识应当被固化。
成功指标：每个功能比上一个类似功能更省力；bug 成为一次性事件（被记录并预防）；新成员能快速上手（机构知识可获取）；代码评审暴露的问题更少；技术债随时间减少。
限制
资料未提供该技能的具体安装命令、支持的平台、收费或价格信息，这些事实暂未提供。