continuous-learning

name	continuous-learning
description	基于 instinct 的持续学习系统，通过 hooks 观察会话，创建带置信度评分的 atomic instincts， 并将高置信度 instinct 演进为 skills/commands/agents。v2.1 增加项目级 instincts 防止跨项目污染。
origin	adapted from ECC
version	2.1.0

Continuous Learning v2.1 - Instinct-Based Architecture

一个高级学习系统，通过 atomic "instincts" 将 Claude Code 会话转化为可重用知识。

v2.1 增加 项目级 instincts — React 模式保留在 React 项目中，Python 约定保留在 Python 项目中，通用模式（如"始终验证输入"）全局共享。

何时激活

• 设置从 Claude Code 会话自动学习
• 配置基于 hooks 的行为提取
• 调优学习行为的置信度阈值
• 审查、导出或导入 instinct 库
• 将 instincts 演进为完整 skills、commands 或 agents
• 管理项目级 vs 全局 instincts
• 将 instincts 从项目级提升到全局级

Instinct 模型

一个 instinct 是一个小的学习行为：

---
id: prefer-component-colocation
trigger: "当多个组件使用相同状态时"
confidence: 0.7
domain: "frontend-architecture"
source: "session-observation"
scope: project
project_id: "a1b2c3d4e5f6"
project_name: "points-frontend"
---

# 组件状态共置

## 行为
当多个组件使用相同状态时，考虑将状态提升到共同祖先。

## 证据
- 在 5 个实例中观察到状态提升模式
- 用户在 2026-03-29 将组件本地状态改为共享状态

属性:

• Atomic -- 一个 trigger，一个 action
• Confidence-weighted -- 0.3 = 试探性，0.9 = 几乎确定
• Domain-tagged -- code-style, testing, git, debugging, workflow 等
• Evidence-backed -- 跟踪创建它的观察
• Scope-aware -- project（默认）或 global

存储结构

~/.claude/homunculus/
+-- projects.json           # 项目注册表: hash -> name/path
+-- observations.jsonl      # 全局观察（fallback）
+-- instincts/
|   +-- personal/          # 全局自动学习的 instincts
|   +-- inherited/         # 全局导入的 instincts
+-- evolved/
|   +-- agents/           # 全局生成的 agents
|   +-- skills/           # 全局生成的 skills
|   +-- commands/         # 全局生成的 commands
+-- projects/
    +-- a1b2c3d4e5f6/    # 项目 hash（来自 git remote URL）
        +-- project.json    # 项目元数据
        +-- observations.jsonl
        +-- instincts/
        |   +-- personal/  # 项目特定自动学习
        |   +-- inherited/  # 项目特定导入
        +-- evolved/
            +-- skills/
            +-- commands/
            +-- agents/

项目检测

系统自动检测当前项目：

1. CLAUDE_PROJECT_DIR env var（最高优先级）
2. git remote get-url origin -- hash 生成项目 ID
3. git rev-parse --show-toplevel -- fallback
4. 全局 fallback -- 如果未检测到项目，instincts 进入全局范围

置信度评分

分数	含义	行为
0.3	试探性	建议但不强制
0.5	中等	相关时应用
0.7	强	自动批准应用
0.9	几乎确定	核心行为

置信度增加当:

• 模式被重复观察
• 用户不纠正建议的行为
• 相似 instincts 同意

置信度减少当:

• 用户明确纠正行为
• 模式长时间未观察到
• 出现矛盾证据

与 Skills 的区别

特性	Skills	Instincts
粒度	完整工作流	Atomic 行为
触发	手动调用	自动观察
置信度	无	0.3-0.9
演化	直接成为 skill	先 instinct 再 cluster

相关工具

• scripts/lib/memory_store.py - 底层存储接口
• Error Experience Library - 错误模式的专门 instinct

命令接入

• /instinct-status - 显示学习的 instincts
• /evolve - 将 instincts 聚类为 skills/commands
• /instinct-export - 导出 instincts 到文件
• /instinct-import - 从文件导入 instincts
• /promote - 将项目 instincts 提升到全局

最佳实践

1. 观察 -- 启用 hooks 捕获所有工具调用
2. 分析 -- 定期运行 observer agent 分析观察
3. 演进 -- 将高置信度 instincts 演进为 skills
4. 分享 -- 通过导出/导入在团队中共享 instincts