continuous-learning

name	continuous-learning
description	[OBSOLETO - usar continuous-learning-v2] Extractor de skill por hook Stop v1 heredado. v2 es un superconjunto estricto con aprendizaje basado en instintos, con alcance de proyecto y hooks confiables. No invocar v1; dirigir solicitudes de aprendizaje continuo, aprendizaje de sesión y extracción de patrones a continuous-learning-v2.
origin	ECC

Skill de Aprendizaje Continuo - OBSOLETO

OBSOLETO el 2026-04-28. Usar continuous-learning-v2 en su lugar. v2 es un superconjunto estricto: la observación por hook Stop se convierte en observación PreToolUse/PostToolUse, los skills completos se convierten en instintos atómicos con puntuación de confianza, y el almacenamiento solo global se convierte en almacenamiento con alcance de proyecto más promoción global.

Este archivo se mantiene como referencia de archivo y compatibilidad retroactiva con instalaciones existentes.

---

Documentación Original v1 (archivo)

Evalúa automáticamente las sesiones de Claude Code al terminar para extraer patrones reutilizables que pueden guardarse como skills aprendidos.

Cuándo Activar

• Configurar extracción automática de patrones desde sesiones de Claude Code
• Configurar el hook Stop para evaluación de sesiones
• Revisar o curar skills aprendidos en ~/.claude/skills/learned/
• Ajustar umbrales de extracción o categorías de patrones
• Comparar enfoques v1 (este) vs v2 (basado en instintos)

Estado

Este skill v1 sigue siendo compatible, pero continuous-learning-v2 es la ruta preferida para nuevas instalaciones. Mantener v1 cuando explícitamente quieras el flujo de extracción por hook Stop más simple o necesites compatibilidad con flujos de trabajo de skills aprendidos más antiguos.

Cómo Funciona

Este skill se ejecuta como un hook Stop al final de cada sesión:

1. Evaluación de Sesión: Verifica si la sesión tiene suficientes mensajes (por defecto: 10+)
2. Detección de Patrones: Identifica patrones extraíbles de la sesión
3. Extracción de Skills: Guarda patrones útiles en ~/.claude/skills/learned/

Configuración

Editar config.json para personalizar:

{
  "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"
  ]
}

Tipos de Patrones

Patrón	Descripción
error_resolution	Cómo se resolvieron errores específicos
user_corrections	Patrones de correcciones del usuario
workarounds	Soluciones a peculiaridades de frameworks/librerías
debugging_techniques	Enfoques efectivos de depuración
project_specific	Convenciones específicas del proyecto

Configuración del Hook

Agregar a tu ~/.claude/settings.json:

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

Por Qué Hook Stop?

• Ligero: Se ejecuta una vez al final de la sesión
• No bloqueante: No agrega latencia a cada mensaje
• Contexto completo: Tiene acceso a la transcripción completa de la sesión

Relacionado

• /learn — Extracción manual de patrones a mitad de sesión

---

Notas de Comparación (Investigación: Ene 2025)

vs Homunculus

Homunculus v2 adopta un enfoque más sofisticado:

Característica	Nuestro Enfoque	Homunculus v2
Observación	Hook Stop (fin de sesión)	Hooks PreToolUse/PostToolUse (100% confiable)
Análisis	Contexto principal	Agente en segundo plano (Haiku)
Granularidad	Skills completos	"Instintos" atómicos
Confianza	Ninguna	Ponderada 0.3-0.9
Evolución	Directamente a skill	Instintos → cluster → skill/comando/agente
Compartir	Ninguno	Exportar/importar instintos

Insight clave de homunculus:

"v1 dependía de skills para observar. Los skills son probabilísticos — se activan ~50-80% del tiempo. v2 usa hooks para la observación (100% confiable) e instintos como unidad atómica de comportamiento aprendido."

Mejoras Potenciales v2

1. Aprendizaje basado en instintos — Comportamientos más pequeños y atómicos con puntuación de confianza
2. Observador en segundo plano — Agente Haiku analizando en paralelo
3. Decaimiento de confianza — Los instintos pierden confianza si son contradichos
4. Etiquetado de dominio — code-style, testing, git, debugging, etc.
5. Ruta de evolución — Agrupar instintos relacionados en skills/comandos

Ver: docs/continuous-learning-v2-spec.md para la especificación completa.