Menu
Automatically extract reusable patterns from Claude Code sessions and save them as learned skills for future use.
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
| name | continuous-learning |
| description | Automatically extract reusable patterns from Claude Code sessions and save them as learned skills for future use. |
| origin | ECC |
Claude Codeセッション終了時に自動的に評価を行い、学習したスキルとして保存できる再利用可能なパターンを抽出します。
~/.claude/skills/learned/ の学習済みスキルのレビューやキュレーションこの v1 スキルは引き続きサポートされていますが、新規インストールでは continuous-learning-v2 が推奨パスとなります。よりシンプルな Stop フック抽出フローを明示的に使いたい場合や、古い学習済みスキルのワークフローとの互換性が必要な場合にのみ v1 を選択してください。
このスキルは各セッション終了時にStopフックとして実行される:
~/.claude/skills/learned/に保存config.jsonを編集してカスタマイズ:
{
"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"
]
}
| パターン | 説明 |
|---|---|
error_resolution | 特定のエラーがどのように解決されたか |
user_corrections | ユーザーの修正からのパターン |
workarounds | フレームワーク/ライブラリの癖への解決策 |
debugging_techniques | 効果的なデバッグアプローチ |
project_specific | プロジェクト固有の規約 |
~/.claude/settings.jsonに追加:
{
"hooks": {
"Stop": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
}]
}]
}
}
/learnコマンド - セッション中の手動パターン抽出Homunculus v2はより洗練されたアプローチを採用:
| 特徴 | 我々のアプローチ | Homunculus v2 |
|---|---|---|
| 観察 | Stopフック（セッション終了時） | PreToolUse/PostToolUseフック（100%確実） |
| 分析 | メインコンテキスト | バックグラウンドエージェント（Haiku） |
| 粒度 | 完全なスキル | アトミックな「インスティンクト」 |
| 信頼度 | なし | 0.3-0.9の重み付け |
| 進化 | 直接スキルへ | インスティンクト → クラスター → スキル/コマンド/エージェント |
| 共有 | なし | インスティンクトのエクスポート/インポート |
homunculusからの重要な洞察:
「v1は観察にスキルを使用していた。スキルは確率的で、~50-80%の確率で発火する。v2は観察にフック（100%確実）を使用し、学習された行動のアトミック単位としてインスティンクトを使用する。」
参照: docs/continuous-learning-v2-spec.md 完全な仕様。
キャプチャ、診断、抑制されたリカバリ、内省レポートを用いた、AI エージェント障害向けの体系的なセルフデバッグワークフローです。
リポジトリ認識の並列レビューパスを使用してスキル、コマンド、ルール、フック、その他を DAILY と LIBRARY のバケットに分類することで、特定のリポジトリ向けにエビデンスに基づく ECC インストールプランを構築します。フルバンドルをロードするのではなく、プロジェクトが実際に必要とするものに ECC をトリミングすべき場合に使用します。
対象リポジトリの既存の統合パターンに正確に合わせて新しい API コネクタやプロバイダを構築します。第二のアーキテクチャを発明することなく、もう一つの統合を追加する場合に使用します。
Write articles, guides, blog posts, tutorials, newsletter issues, and other long-form content in a distinctive voice derived from supplied examples or brand guidance. Use when the user wants polished written content longer than a paragraph, especially when voice consistency, structure, and credibility matter.
ECC 向けのエビデンスファーストな自動化インベントリと重複監査のワークフローです。何かを修正する前に、どのジョブ、フック、コネクタ、MCP サーバー、またはラッパーがライブ、壊れている、冗長、または欠落しているかをユーザーが知りたい場合に使用します。
CodeTour の `.tour` ファイルを作成します。実際のファイルと行のアンカーを持つペルソナ対象のステップバイステップウォークスルーです。オンボーディングツアー、アーキテクチャウォークスルー、PR ツアー、RCA ツアー、および構造化された「これがどのように動作するか説明して」というリクエストに使用します。