| name | auto-harness-learn |
| description | 分析 session 观察数据，提取行为模式生成 instinct，给出改进建议和 Token 优化提议。Use when user says "分析学习数据"、"看看有什么模式"、"harness learn"。 |
Harness Learn
从 .harness/observations.jsonl 分析行为模式，生成 instinct（原子化行为片段），给出改进和 Token 优化建议。
何时使用
- 自动触发：每轮 Loop 的 REVIEW 阶段，harness-review 自动调用
- 手动触发：用户说"看看学到了什么"、"分析一下"
- 想知道哪些文件是高风险的（高频修改但可能没测试）
前置条件
- session-logger Hook 已启用（
HARNESS_LOG 和 HARNESS_LEARN 都不是 off）
.harness/observations.jsonl 存在且有数据（建议 20+ 条）
执行
node scripts/hooks/harness-learn.js --report
分析维度
- 工具序列模式 — 相同 3 步序列出现 3+ 次（如 Grep→Read→Edit）
- 高频工具对 — A 之后总是跟 B（如 Edit→Bash）
- 高频修改文件 — 经常被编辑的文件 = 高风险，可能需要测试覆盖
- Token 优化 — 稳定 instinct（置信度 ≥0.9）建议提炼为 Rule
输出
.harness/instincts/*.json — 生成的 instinct 文件.harness/learn-report.md — 分析报告（展示给用户）
Instinct 生命周期
observation 积累
↓ harness-learn 分析
instinct (置信度 0.3)
↓ 多次观察确认
instinct (置信度 0.9)
↓ --promote 建议
Rule (.claude/rules/) ← 零 token 消耗
↓ 如果可强制
Hook (脚本) ← 100% 可靠
与 ECC continuous-learning-v2 的区别
| 维度 | ECC | 我们 |
|---|
| Hook 开销 | 重（Bash 414行 + Python ×3-4 fork） | 轻（Node.js 单进程，<50ms） |
| 分析方式 | 后台 Agent 调 Haiku（消耗 API） | 纯本地规则匹配（零 API 调用） |
| 触发方式 | 自动后台轮询 | 按需手动（/harness-learn） |
| 后台进程 | nohup + PID + flock | 无 |
| Instinct 粒度 | 用户全局 ↔ 项目级 | 用户级（团队多人相同才提议晋升项目级） |
