continuous-learning

# Continuous Learning Skill（持续学习技能） <!-- 【教学说明】 这个技能让 AI 能够"学习"——它会观察你如何使用 Claude Code， 提取有用的模式，并在未来的会话中自动应用。 就像一个智能助手，会记住你的偏好和工作方式。 --> 在每个会话结束时自动评估 Claude Code 会话，提取可复用模式并保存为学习技能。 ## 何时激活此技能 - 设置从 Claude Code 会话自动提取模式 - 配置 Stop hook 用于会话评估 - 审查或管理 `~/.claude/skills/learned/` 中的学习技能 - 调整提取阈值或模式类别 - 比较 v1 与 v2（基于 instinct）方案 ## 工作原理 <!-- 【教学说明】 这个技能作为一个"Stop hook"运行——意味着它在每次会话结束时自动执行。 --> 此技能作为 **Stop hook** 在每个会话结束时运行： 1. **会话评估**：检查会话是否有足够的消息（默认：10+ 条） 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/` **什么是 hook？** Hook 是自动触发的事件。Stop hook 在会话结束时触发。 ## 配置 编辑 `config.json` 自定义： ```json { "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" ] } ``` **配置说明：** - `min_session_length`：会话至少需要多少条消息才值得学习 - `extraction_threshold`：提取阈值——low（宽松）、medium（中等）、high（严格） - `auto_approve`：是否自动保存学习的技能（建议 false，手动审查） - `patterns_to_detect`：要检测的模式类型 - `ignore_patterns`：忽略的模式（避免学习无用信息） ## 模式类型 | 模式 | 说明 | 示例 | |------|------|------| | `error_resolution` | 特定错误如何解决 | "TypeError: Cannot read property 'x' of undefined" → 检查 null | | `user_corrections` | 用户纠正中的模式 | 用户总是说"用函数式方法" → 偏好函数式编程 | | `workarounds` | 框架/库怪癖的解决方案 | "Next.js 的 Image 组件需要配置域名" → 工作模式 | | `debugging_techniques` | 有效的调试方法 | "总是先检查网络请求" → 调试策略 | | `project_specific` | 项目特定约定 | "这个项目使用 TypeScript 严格模式" → 项目规则 | **为什么要分类？** 不同类型的模式在不同场景下有用。 ## Hook 设置 添加到你的 `~/.claude/settings.json`： ```json { "hooks": { "Stop": [{ "matcher": "*", "hooks": [{ "type": "command", "command": "~/.claude/skills/continuous-learning/evaluate-session.sh" }] }] } } ``` **为什么使用 Stop hook？** - **轻量级**：只在会话结束时运行一次 - **非阻塞**：不给每条消息增加延迟 - **完整上下文**：可以访问完整会话记录 **什么是 matcher？** `"*"` 表示匹配所有会话。 ## 为什么需要持续学习？ <!-- 【教学说明】 传统的 AI 会话是"无状态"的——每次都是新的开始。 持续学习让 AI 能够记住和应用之前学到的模式。 --> ### 问题 - 每次 Claude Code 会话都从零开始 - 重复犯错同样的问题 - 项目特定的约定需要重复说明 - 调试技巧不能积累 ### 解决方案 - 自动提取有用的模式 - 跨会话保存学习到的技能 - 项目特定知识自动积累 - 调试经验持续增长 ## 与 Homunculus 的比较（研究：2025年1月） Homunculus v2 采用了更复杂的方法： | 特性 | 我们的方法 | Homunculus v2 | |------|-----------|---------------| | 观察 | Stop hook（会话结束时） | PreToolUse/PostToolUse hooks（100% 可靠） | | 分析 | 主上下文 | 后台代理（Haiku） | | 粒度 | 完整技能 | 原子级"instincts" | | 置信度 | 无 | 0.3-0.9 加权 | | 进化 | 直接到技能 | Instincts → 聚类 → 技能/命令/代理 | | 分享 | 无 | 导出/导入 instincts | **Homunculus 的关键见解：** > "v1 依赖技能观察。技能是概率性的——它们只触发 50-80% 的时间。v2 使用 hooks 进行观察（100% 可靠），并将 instincts 作为学习行为的原子单位。" **什么是 instinct？** Instinct 是更小的学习单元——一个触发器，一个动作。 ### 潜在 v2 增强功能 1. **基于 Instinct 的学习** ——更小、原子级的行为，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** ——Instincts 如果被反驳会失去置信度 4. **领域标签** ——code-style、testing、git、debugging 等 5. **进化路径** ——将相关 instincts 聚类为技能/命令 ## 相关资源 - [The Longform Guide](https://x.com/affaanmustafa/status/2014040193557471352) ——持续学习章节 - `/learn` 命令——会话中手动提取模式 - Homunculus 项目：[github.com/humanplane/homunculus](https://github.com/humanplane/homunculus) --- **记住**：持续学习让 AI 越用越聪明——它会记住你的偏好和工作方式。