Ohne Compound arbeitet die KI bei jedem Durchlauf mit denselben Defaults. Sie macht dieselben Fehler, kennt dieselben Lösungen nicht, verbraucht Tokens für bereits gelöste Probleme. Nach zehn Iterationen ist man nicht schneller als nach der ersten.
Mit Compound wird das System mit jeder Iteration besser — nicht nur der aktuelle Output. Das ist der Unterschied zwischen einem Projekt, das skaliert, und einem, das stagniert.
Zwei Ebenen
Compound läuft nicht in einem einzigen Schritt ab. Es gibt zwei Ebenen, die sich ergänzen:
Was mSCAILE nicht vorschreibt
mSCAILE definiert das Prinzip — nicht den Mechanismus. Wo Learnings landen, hängt vom Kontext ab: Agent-Definitionen, Skills, Spec-Updates, Decision Logs, verbesserte Prompts. Jede Prozessverbesserung zählt, auch ein einziger Satz in einer Agent-Definition der einen wiederkehrenden Fehler verhindert.
Was es nicht ist: eine Retro, bei der man nett übereinander redet und dann weitermacht wie bisher. Compound heißt, Erkenntnisse zu kodifizieren — in AGENTS.md, Skills, Scripts, Regeln — so dass die nächste Iteration ohne menschliche Wiederholung davon profitiert.
In der Praxis
Compound Engineering Plugin (Every Inc.)
Every Inc. hat den Compound-Mechanismus als Open-Source-Plugin implementiert. Es zeigt, wie das konkret aussehen kann:
docs/solutions/[category]/[name]-[date].md.docs/solutions/ abgelegt und sind anhand der Dateinamen von Agenten automatisch auffindbar. Neue Sessions profitieren sofort davon — ohne manuellen Aufwand.Agent-Log-Analyse (mSCAILE CLI)
In der mSCAILE-Implementierung gibt es ein Script, das GitHub-Copilot-Sessions analysiert und Muster in fehlerhaften Tool-Calls, häufigen Wiederholungen und Sackgassen identifiziert. Ein typisches Ergebnis einer solchen Analyse:
## Identifizierte Muster (aus 20 Subagent-Conversations) # Problem: Wiederholtes Suchen nach nicht-existierendem Skill In 5+ Conversations sucht der Agent nach mscaile-light/SKILL.md, findet nichts, wiederholt die Suche 3-5× mit Varianten. Root Cause: Mode-Instruktion referenziert Skill, der nicht existiert. Fix: Skill anlegen oder Instruktion anpassen. # Problem: Doppeltes Lesen derselben Dateien RESEARCH-*.md werden 2× hintereinander gelesen (identische Pfade). Root Cause: Context-Window-Verlust zwischen Messages. Fix: Explizitere "already loaded" Marker in System-Prompts.
Das Ergebnis ist nicht ein schöner Report — sondern konkrete Fixes in der Agent-Konfiguration, die dafür sorgen, dass diese Fehler nicht wieder passieren.
Was akkumuliert werden kann
- AGENTS.md — Constraints, Patterns, bekannte Fallstricke
- Skills — wiederverwendbare Abläufe die vorher manuell waren
- Scripts — deterministische Ersetzung von LLM-Schritten (→ P5)
- Spec-Updates — Erkenntnisse aus der Implementierung zurück in die Spec (→ P2)
- Decision Logs — Intent-Dokumentation die Intent Ceiling verhindert (→ P3)
- Test-Patterns — wiederkehrende Verifikationslogik
"To spend more time on the hard stuff, minimize the time you spend on easy things. Distill learnings into skills, build loops, automate code reviews, and let your tools compound." — Drew Breunig, 10 Lessons for Agentic Coding (2026)