continuous-learning-v2

name	continuous-learning-v2
description	基于本能的学习系统，通过钩子观察会话，创建带置信度评分的原子本能，并将其进化为技能/命令/代理。v2.1版本增加了项目范围的本能，以防止跨项目污染。
source_path	skills/continuous-learning-v2/SKILL.md
origin	ECC
version	2.1.0

持续学习 v2.1 - 基于本能

的架构

一个高级学习系统，通过原子化的“本能”——带有置信度评分的小型习得行为——将你的 Claude Code 会话转化为可重用的知识。

v2.1 新增了项目作用域的本能 — React 模式保留在你的 React 项目中，Python 约定保留在你的 Python 项目中，而通用模式（如“始终验证输入”）则全局共享。

何时激活

• 设置从 Claude Code 会话自动学习
• 通过钩子配置基于本能的行为提取
• 调整已学习行为的置信度阈值
• 查看、导出或导入本能库
• 将本能进化为完整的技能、命令或代理
• 管理项目作用域与全局本能
• 将本能从项目作用域提升到全局作用域

v2.1 的新特性

特性	v2.0	v2.1
存储	全局 (~/.claude/homunculus/)	项目作用域 (projects//)
作用域	所有本能随处适用	项目作用域 + 全局
检测	无	git remote URL / 仓库路径
提升	不适用	在 2+ 个项目中出现时，项目 → 全局
命令	4个 (status/evolve/export/import)	6个 (+promote/projects)
跨项目	存在污染风险	默认隔离

v2 的新特性（对比 v1）

特性	v1	v2
观察	停止钩子（会话结束）	PreToolUse/PostToolUse (100% 可靠)
分析	主上下文	后台代理 (Haiku)
粒度	完整技能	原子化“本能”
置信度	无	0.3-0.9 加权
进化	直接进化为技能	本能 -> 聚类 -> 技能/命令/代理
共享	无	导出/导入本能

本能模型

一个本能是一个小型习得行为：

---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
scope: project
project_id: "a1b2c3d4e5f6"
project_name: "my-react-app"
---

# Prefer Functional Style

## Action
Use functional patterns over classes when appropriate.

## Evidence
- Observed 5 instances of functional pattern preference
- User corrected class-based approach to functional on 2025-01-15

属性：

• 原子化 -- 一个触发条件，一个动作
• 置信度加权 -- 0.3 = 试探性，0.9 = 几乎确定
• 领域标记 -- 代码风格、测试、git、调试、工作流等
• 有证据支持 -- 追踪是哪些观察创建了它
• 作用域感知 -- project (默认) 或 global

工作原理

会话活动（在 git 仓库中）
      |
      | 钩子捕获提示 + 工具使用（100% 可靠）
      | + 检测项目上下文（git remote / 仓库路径）
      v
+---------------------------------------------+
|  projects/<project-hash>/observations.jsonl  |
|   （提示、工具调用、结果、项目）               |
+---------------------------------------------+
      |
      | 观察者代理读取（后台，Haiku）
      v
+---------------------------------------------+
|          模式检测                            |
|   * 用户修正 -> 直觉                          |
|   * 错误解决 -> 直觉                          |
|   * 重复工作流 -> 直觉                        |
|   * 范围决策：项目级或全局？                   |
+---------------------------------------------+
      |
      | 创建/更新
      v
+---------------------------------------------+
|  projects/<project-hash>/instincts/personal/ |
|   * prefer-functional.yaml (0.7) [项目]      |
|   * use-react-hooks.yaml (0.9) [项目]        |
+---------------------------------------------+
|  instincts/personal/  （全局）                |
|   * always-validate-input.yaml (0.85) [全局] |
|   * grep-before-edit.yaml (0.6) [全局]       |
+---------------------------------------------+
      |
      | /evolve 聚类 + /promote
      v
+---------------------------------------------+
|  projects/<hash>/evolved/ （项目范围）        |
|  evolved/ （全局）                            |
|   * commands/new-feature.md                  |
|   * skills/testing-workflow.md               |
|   * agents/refactor-specialist.md            |
+---------------------------------------------+

项目检测

系统会自动检测您当前的项目：

1. CLAUDE_PROJECT_DIR 环境变量 (最高优先级)
2. git remote get-url origin -- 哈希化以创建可移植的项目 ID (同一仓库在不同机器上获得相同的 ID)
3. git rev-parse --show-toplevel -- 使用仓库路径作为后备方案 (机器特定)
4. 全局后备方案 -- 如果未检测到项目，本能将进入全局作用域

每个项目都会获得一个 12 字符的哈希 ID (例如 a1b2c3d4e5f6)。~/.claude/homunculus/projects.json 处的注册表文件将 ID 映射到人类可读的名称。

快速开始

1. 启用观察钩子

添加到你的 ~/.claude/settings.json 中。

如果作为插件安装（推荐）：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }]
  }
}

如果手动安装到 ~/.claude/skills：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }]
  }
}

2. 初始化目录结构

系统会在首次使用时自动创建目录，但您也可以手动创建：

# Global directories
mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands},projects}

# Project directories are auto-created when the hook first runs in a git repo

3. 使用本能命令

/instinct-status     # Show learned instincts (project + global)
/evolve              # Cluster related instincts into skills/commands
/instinct-export     # Export instincts to file
/instinct-import     # Import instincts from others
/promote             # Promote project instincts to global scope
/projects            # List all known projects and their instinct counts

命令

命令	描述
/instinct-status	显示所有本能 (项目作用域 + 全局) 及其置信度
/evolve	将相关本能聚类成技能/命令，建议提升
/instinct-export	导出本能 (可按作用域/领域过滤)
/instinct-import <file>	导入本能 (带作用域控制)
/promote [id]	将项目本能提升到全局作用域
/projects	列出所有已知项目及其本能数量

配置

编辑 config.json 以控制后台观察器：

{
  "version": "2.1",
  "observer": {
    "enabled": false,
    "run_interval_minutes": 5,
    "min_observations_to_analyze": 20
  }
}

键	默认值	描述
observer.enabled	false	启用后台观察器代理
observer.run_interval_minutes	5	观察器分析观察结果的频率
observer.min_observations_to_analyze	20	运行分析所需的最小观察次数

其他行为 (观察捕获、本能阈值、项目作用域、提升标准) 通过 instinct-cli.py 和 observe.sh 中的代码默认值进行配置。

文件结构

~/.claude/homunculus/
+-- identity.json           # 你的个人资料，技术水平
+-- projects.json           # 注册表：项目哈希 -> 名称/路径/远程地址
+-- observations.jsonl      # 全局观察记录（备用）
+-- instincts/
|   +-- personal/           # 全局自动学习的本能
|   +-- inherited/          # 全局导入的本能
+-- evolved/
|   +-- agents/             # 全局生成的代理
|   +-- skills/             # 全局生成的技能
|   +-- commands/           # 全局生成的命令
+-- projects/
    +-- a1b2c3d4e5f6/       # 项目哈希（来自 git 远程 URL）
    |   +-- project.json    # 项目级元数据镜像（ID/名称/根目录/远程地址）
    |   +-- observations.jsonl
    |   +-- observations.archive/
    |   +-- instincts/
    |   |   +-- personal/   # 项目特定自动学习的
    |   |   +-- inherited/  # 项目特定导入的
    |   +-- evolved/
    |       +-- skills/
    |       +-- commands/
    |       +-- agents/
    +-- f6e5d4c3b2a1/       # 另一个项目
        +-- ...

作用域决策指南

模式类型	作用域	示例
语言/框架约定	项目	"使用 React hooks", "遵循 Django REST 模式"
文件结构偏好	项目	"测试放在 __tests__/", "组件放在 src/components/"
代码风格	项目	"使用函数式风格", "首选数据类"
错误处理策略	项目	"对错误使用 Result 类型"
安全实践	全局	"验证用户输入", "清理 SQL"
通用最佳实践	全局	"先写测试", "始终处理错误"
工具工作流偏好	全局	"编辑前先 Grep", "写入前先读取"
Git 实践	全局	"约定式提交", "小而专注的提交"

本能提升 (项目 -> 全局)

当同一个本能在多个项目中以高置信度出现时，它就有资格被提升到全局作用域。

自动提升标准：

• 相同的本能 ID 出现在 2+ 个项目中
• 平均置信度 >= 0.8

如何提升：

# Promote a specific instinct
python3 instinct-cli.py promote prefer-explicit-errors

# Auto-promote all qualifying instincts
python3 instinct-cli.py promote

# Preview without changes
python3 instinct-cli.py promote --dry-run

/evolve 命令也会建议可提升的候选本能。

置信度评分

置信度随时间演变：

分数	含义	行为
0.3	尝试性的	建议但不强制执行
0.5	中等的	相关时应用
0.7	强烈的	自动批准应用
0.9	近乎确定的	核心行为

置信度增加当：

• 模式被反复观察到
• 用户未纠正建议的行为
• 来自其他来源的相似本能一致

置信度降低当：

• 用户明确纠正该行为
• 长时间未观察到该模式
• 出现矛盾证据

为什么用钩子而非技能进行观察？

"v1 依赖技能来观察。技能是概率性的 -- 根据 Claude 的判断，它们触发的概率约为 50-80%。"

钩子100% 触发，是确定性的。这意味着：

• 每次工具调用都被观察到
• 不会错过任何模式
• 学习是全面的

向后兼容性

v2.1 与 v2.0 和 v1 完全兼容：

• ~/.claude/homunculus/instincts/ 中现有的全局本能仍然作为全局本能工作
• 来自 v1 的现有 ~/.claude/skills/learned/ 技能仍然有效
• 停止钩子仍然运行 (但现在也会输入到 v2)
• 逐步迁移：并行运行两者

隐私

• 观察结果本地保留在您的机器上
• 项目作用域的本能按项目隔离
• 只有本能 (模式) 可以被导出 — 而不是原始观察数据
• 不会共享实际的代码或对话内容
• 您控制导出和提升的内容

相关链接

• 技能创建器 - 从仓库历史生成本能
• Homunculus - 启发了 v2 基于本能的架构的社区项目（原子观察、置信度评分、本能进化管道）
• 长篇指南 - 持续学习部分

---

基于本能的学习：一次一个项目，教会 Claude 您的模式。

原文

• 英文原文

导航

• 中文文档导航
• 贡献指南