continuous-learning

持续学习技能（Continuous Learning Skill）

在会话结束时自动评估 Claude Code 会话，提取可保存为已学习技能（Learned Skills）的可复用模式。

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 Stop 钩子（Hook）
• 查看或整理 ~/.claude/skills/learned/ 中的已学习技能
• 调整提取阈值或模式类别
• 比较 v1（当前）与 v2（基于直觉/Instinct）的方法

工作原理

此技能在每个会话结束时作为 Stop 钩子（Hook） 运行：

1. 会话评估：检查会话是否有足够的消息（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 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 | 特定错误的解决方法 |

| user_corrections | 来自用户纠偏的模式 |

| workarounds | 针对框架/库缺陷的解决方案 |

| debugging_techniques | 有效的调试方法 |

| project_specific | 项目特定的约定 |

钩子设置（Hook Setup）

添加到您的 ~/.claude/settings.json：

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

为什么使用 Stop 钩子？

• 轻量化：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

相关内容

• 长篇指南（The Longform Guide） - 关于持续学习的章节
• /learn 命令 - 会话中途手动提取模式

---

比较笔记（调研：2025年1月）

与 Homunculus 对比

Homunculus v2 采用了更复杂的方法：

| 特性 | 我们的方法 | Homunculus v2 |

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

| 观察机制（Observation） | Stop 钩子（会话结束） | PreToolUse/PostToolUse 钩子（100% 可靠） |

| 分析方式（Analysis） | 主上下文（Main context） | 后台智能体（Haiku agent） |

| 粒度（Granularity） | 完整技能（Full skills） | 原子化“直觉”（Atomic "instincts"） |

| 置信度（Confidence） | 无 | 0.3-0.9 权重 |

| 演进路径（Evolution） | 直接生成技能 | 直觉 → 聚类 → 技能/命令/智能体 |

| 共享方式（Sharing） | 无 | 导出/导入直觉 |

来自 Homunculus 的关键见解：

> “v1 依赖技能（Skills）进行观察。技能是概率性的——它们的触发频率约为 50-80%。v2 使用钩子（Hooks）进行观察（100% 可靠），并将‘直觉（Instincts）’作为学习行为的原子单位。”

潜在的 v2 增强功能

1. 基于直觉的学习 - 带有置信度评分的更小、原子化的行为
2. 后台观察者 - 并行分析的 Haiku 智能体
3. 置信度衰减 - 如果发生冲突，直觉的置信度会降低
4. 领域标签 - 代码风格、测试、Git、调试等
5. 演进路径 - 将相关的直觉聚类为技能/命令

参见：/Users/affoon/Documents/tasks/12-continuous-learning-v2.md 获取完整规范。