continuous-learning

持续学习技能

自动评估 Claude Code 会话的结尾，以提取可重用的模式，这些模式可以保存为学习到的技能。

何时激活

• 设置从 Claude Code 会话中自动提取模式
• 为会话评估配置停止钩子
• 在 ~/.claude/skills/learned/ 中审查或整理已学习的技能
• 调整提取阈值或模式类别
• 比较 v1（本方法）与 v2（基于本能的方法）

工作原理

此技能作为 停止钩子 在每个会话结束时运行：

1. 会话评估：检查会话是否包含足够多的消息（默认：10 条以上）
2. 模式检测：从会话中识别可提取的模式
3. 技能提取：将有用的模式保存到 ~/.claude/skills/learned/

配置

编辑 config.json 以进行自定义：

{
  "min_session_length": 10,
  "extraction_threshold": "medium",
  "auto_approve": false,
  "learned_skills_path": "~/.claude/skills/learned/",
  "patterns_to_detect": [
    "error_resolution",
    "user_corrections",
    "workarounds",
    "debugging_techniques",
    "project_specific"
  ],
  "ignore_patterns": [
    "simple_typos",
    "one_time_fixes",
    "external_api_issues"
  ]
}

模式类型

| 模式 | 描述 |

|---------|-------------|

| error_resolution | 特定错误是如何解决的 |

| user_corrections | 来自用户纠正的模式 |

| workarounds | 框架/库特殊性的解决方案 |

| debugging_techniques | 有效的调试方法 |

| project_specific | 项目特定的约定 |

钩子设置

添加到你的 ~/.claude/settings.json 中：

{
  "hooks": {
    "Stop": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
      }]
    }]
  }
}

为什么使用停止钩子？

• 轻量级：仅在会话结束时运行一次
• 非阻塞：不会给每条消息增加延迟
• 完整上下文：可以访问完整的会话记录

相关

• 长篇指南 - 关于持续学习的章节
• /learn 命令 - 在会话中手动提取模式

---

对比说明（研究：2025年1月）

与 Homunculus 的对比

Homunculus v2 采用了更复杂的方法：

| 功能 | 我们的方法 | Homunculus v2 |

|---------|--------------|---------------|

| 观察 | 停止钩子（会话结束时） | PreToolUse/PostToolUse 钩子（100% 可靠） |

| 分析 | 主上下文 | 后台代理 (Haiku) |

| 粒度 | 完整技能 | 原子化的“本能” |

| 置信度 | 无 | 0.3-0.9 加权 |

| 演进 | 直接到技能 | 本能 → 集群 → 技能/命令/代理 |

| 共享 | 无 | 导出/导入本能 |

来自 homunculus 的关键见解：

> "v1 依赖技能来观察。技能是概率性的——它们触发的概率约为 50-80%。v2 使用钩子进行观察（100% 可靠），并以本能作为学习行为的原子单元。"

潜在的 v2 增强功能

1. 基于本能的学习 - 更小、原子化的行为，附带置信度评分
2. 后台观察者 - Haiku 代理并行分析
3. 置信度衰减 - 如果被反驳，本能会降低置信度
4. 领域标记 - 代码风格、测试、git、调试等
5. 演进路径 - 将相关本能聚类为技能/命令

参见：docs/continuous-learning-v2-spec.md 以获取完整规范。