continuous-learning-v2

name	continuous-learning-v2
description	基于本能（Instinct）的学习系统，通过钩子（hooks）观察会话，创建带有置信度评分的原子本能，并将其演化为技能（Skills）、命令（Commands）或智能体（Agents）。v2.1 版本增加了项目作用域（project-scoped）的本能，以防止跨项目污染。
origin	ECC
version	2.1.0

持续学习（Continuous Learning）v2.1 - 基于本能（Instinct）的架构

一个先进的学习系统，通过原子级“本能（Instincts）”——带有置信度评分的小型学习行为，将你的 Claude Code 会话转化为可复用的知识。

v2.1 增加了 项目作用域本能（project-scoped instincts） —— React 模式保留在你的 React 项目中，Python 约定保留在你的 Python 项目中，而通用模式（如“始终验证输入”）则在全局共享。

何时激活

• 设置从 Claude Code 会话中自动学习
• 配置通过钩子（hooks）提取基于本能的行为
• 调整学习行为的置信度阈值
• 查看、导出或导入本能库
• 将本能演化为完整的技能（Skills）、命令（Commands）或智能体（Agents）
• 管理项目作用域与全局本能
• 将本能从项目作用域提升（Promote）到全局作用域

v2.1 的新特性

特性	v2.0	v2.1
存储	全局 (~/.claude/homunculus/)	项目作用域 (projects//)
作用域	所有本能应用于所有地方	项目作用域 + 全局
检测	无	git remote URL / 仓库路径
提升	不适用	当在 2 个以上项目中看到时，由项目 → 全局
命令	4 个 (status/evolve/export/import)	6 个 (+promote/projects)
跨项目	存在污染风险	默认隔离

v2 的新特性（对比 v1）

特性	v1	v2
观察	Stop 钩子（会话结束）	PreToolUse/PostToolUse (100% 可靠)
分析	主上下文	后台智能体 (Haiku)
粒度	完整技能	原子级“本能”
置信度	无	0.3-0.9 加权
演化	直接到技能	本能 -> 聚类 -> 技能/命令/智能体
分享	无	导出/导入本能

本能模型（The Instinct Model）

本能是一个小型学习行为：

---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
scope: project
project_id: "a1b2c3d4e5f6"
project_name: "my-react-app"
---

# 偏好函数式风格

## 动作（Action）
在适当时使用函数式模式而非类（classes）。

## 证据（Evidence）
- 观察到 5 次偏好函数式模式的实例
- 用户在 2025-01-15 将基于类的方案纠正为函数式

属性：

• 原子性（Atomic） —— 一个触发器，一个动作
• 置信度加权（Confidence-weighted） —— 0.3 = 尝试性， 0.9 = 几乎确定
• 领域标签（Domain-tagged） —— code-style, testing, git, debugging, workflow 等
• 证据支持（Evidence-backed） —— 追踪哪些观察结果创建了它
• 作用域感知（Scope-aware） —— project（默认）或 global

工作原理

会话活动 (在 git 仓库中)
      |
      | 钩子（Hooks）捕获提示词 + 工具使用 (100% 可靠)
      | + 检测项目上下文 (git remote / 仓库路径)
      v
+---------------------------------------------+
|  projects/<project-hash>/observations.jsonl  |
|   (提示词, 工具调用, 结果, 项目)              |
+---------------------------------------------+
      |
      | 观察者智能体读取 (后台, Haiku)
      v
+---------------------------------------------+
|                模式检测                      |
|   * 用户纠正 -> 本能                         |
|   * 错误解决 -> 本能                         |
|   * 重复工作流 -> 本能                       |
|   * 作用域决策：项目还是全局？                |
+---------------------------------------------+
      |
      | 创建/更新
      v
+---------------------------------------------+
|  projects/<project-hash>/instincts/personal/ |
|   * prefer-functional.yaml (0.7) [project]   |
|   * use-react-hooks.yaml (0.9) [project]     |
+---------------------------------------------+
|  instincts/personal/  (全局 GLOBAL)          |
|   * always-validate-input.yaml (0.85) [global]|
|   * grep-before-edit.yaml (0.6) [global]     |
+---------------------------------------------+
      |
      | /evolve 聚类 + /promote 提升
      v
+---------------------------------------------+
|  projects/<hash>/evolved/ (项目作用域)       |
|  evolved/ (全局)                             |
|   * commands/new-feature.md                  |
|   * skills/testing-workflow.md               |
|   * agents/refactor-specialist.md            |
+---------------------------------------------+

项目检测（Project Detection）

系统会自动检测你当前的项目：

1. CLAUDE_PROJECT_DIR 环境变量 (最高优先级)
2. git remote get-url origin —— 通过哈希创建可移植的项目 ID (不同机器上的同一仓库获得相同的 ID)
3. git rev-parse --show-toplevel —— 使用仓库路径作为回退方案 (机器特定)
4. 全局回退 —— 如果未检测到项目，本能将进入全局作用域

每个项目获得一个 12 位的哈希 ID (例如 a1b2c3d4e5f6)。位于 ~/.claude/homunculus/projects.json 的注册文件将 ID 映射到人类可读的名称。

快速开始

1. 启用观察钩子（Observation Hooks）

添加到你的 ~/.claude/settings.json。

如果作为插件安装 (推荐):

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }]
  }
}

如果手动安装 到 ~/.claude/skills:

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }]
  }
}

2. 初始化目录结构

系统在首次使用时会自动创建目录，但你也可以手动创建：

# 全局目录
mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands},projects}

# 项目目录会在钩子首次在 git 仓库中运行时自动创建

3. 使用本能命令

/instinct-status     # 显示已学习的本能 (项目 + 全局)
/evolve              # 将相关的本能聚类为技能/命令
/instinct-export     # 将本能导出到文件
/instinct-import     # 从他人处导入本能
/promote             # 将项目本能提升到全局作用域
/projects            # 列出所有已知的项目及其本能数量

命令

命令	描述
/instinct-status	显示所有本能 (项目作用域 + 全局) 及其置信度
/evolve	将相关的本能聚类为技能/命令，并建议提升
/instinct-export	导出本能 (可按作用域/领域过滤)
/instinct-import <file>	带有作用域控制地导入本能
/promote [id]	将项目本能提升到全局作用域
/projects	列出所有已知的项目及其本能数量

配置

编辑 config.json 以控制后台观察者：

{
  "version": "2.1",
  "observer": {
    "enabled": false,
    "run_interval_minutes": 5,
    "min_observations_to_analyze": 20
  }
}

键名	默认值	描述
observer.enabled	false	启用后台观察者智能体
observer.run_interval_minutes	5	观察者分析观察结果的频率
observer.min_observations_to_analyze	20	分析运行前最少需要的观察次数

其他行为 (观察捕获、本能阈值、项目作用域划分、提升标准) 通过 instinct-cli.py 和 observe.sh 中的代码默认值进行配置。

文件结构

~/.claude/homunculus/
+-- identity.json           # 你的个人资料，技术水平
+-- projects.json           # 注册表：项目哈希 -> 名称/路径/远程地址
+-- observations.jsonl      # 全局观察结果 (回退方案)
+-- instincts/
|   +-- personal/           # 全局自动学习的本能
|   +-- inherited/          # 全局导入的本能
+-- evolved/
|   +-- agents/             # 全局生成的智能体
|   +-- skills/             # 全局生成的技能
|   +-- commands/           # 全局生成的命令
+-- projects/
    +-- a1b2c3d4e5f6/       # 项目哈希 (来自 git remote URL)
    |   +-- observations.jsonl
    |   +-- observations.archive/
    |   +-- instincts/
    |   |   +-- personal/   # 项目特定的自动学习
    |   |   +-- inherited/  # 项目特定的导入
    |   +-- evolved/
    |       +-- skills/
    |       +-- commands/
    |       +-- agents/
    +-- f6e5d4c3b2a1/       # 另一个项目
        +-- ...

作用域决策指南

模式类型	作用域	示例
语言/框架约定	项目 (project)	"使用 React hooks", "遵循 Django REST 模式"
文件结构偏好	项目 (project)	"测试文件位于 __tests__/", "组件位于 src/components/"
代码风格	项目 (project)	"使用函数式风格", "偏好数据类 (dataclasses)"
错误处理策略	项目 (project)	"使用 Result 类型处理错误"
安全实践	全局 (global)	"验证用户输入", "清理 SQL (Sanitize SQL)"
通用最佳实践	全局 (global)	"先写测试", "始终处理错误"
工具工作流偏好	全局 (global)	"修改前先 Grep", "写入前先读取"
Git 实践	全局 (global)	"约定式提交", "小型专注的提交"

本能提升 (项目 -> 全局)

当同一个本能在多个项目中以高置信度出现时，它是提升到全局作用域的候选者。

自动提升标准：

• 相同的本能 ID 出现在 2 个以上项目中
• 平均置信度 >= 0.8

如何提升：

# 提升特定的本能
python3 instinct-cli.py promote prefer-explicit-errors

# 自动提升所有符合条件的本能
python3 instinct-cli.py promote

# 预览而不应用更改
python3 instinct-cli.py promote --dry-run

/evolve 命令也会建议提升候选者。

置信度评分

置信度随时间演化：

分数	含义	行为
0.3	尝试性	建议但不强制执行
0.5	中等	在相关时应用
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：

• 模式被重复观察到
• 用户未纠正建议的行为
• 来自其他来源的类似本能达成一致

置信度降低 当：

• 用户明确纠正该行为
• 长期未观察到该模式
• 出现矛盾证据

为什么使用钩子（Hooks）而非技能（Skills）进行观察？

"v1 依赖技能进行观察。技能是概率性的 —— 基于 Claude 的判断，它们大约有 50-80% 的触发率。"

钩子（Hooks）是 100% 触发 的，具有确定性。这意味着：

• 每一个工具调用都被观察到
• 不会遗漏任何模式
• 学习是全面的

向后兼容性

v2.1 完全兼容 v2.0 和 v1：

• ~/.claude/homunculus/instincts/ 中现有的全局本能仍作为全局本能工作
• v1 中现有的 ~/.claude/skills/learned/ 技能仍可工作
• Stop 钩子仍运行 (但现在也向 v2 提供数据)
• 平滑迁移：并行运行两者

隐私

• 观察结果保存在你的机器 本地
• 项目作用域本能按项目隔离
• 只有 本能 (模式) 可以被导出 —— 而不是原始观察结果
• 不会分享实际的代码或对话内容
• 你可以控制哪些内容被导出和提升

相关内容

• Skill Creator - 从仓库历史生成本能
• Homunculus - 启发了 v2 基于本能的架构的社区项目 (原子观察、置信度评分、本能演化流水线)
• 长篇指南 (The Longform Guide) - 持续学习章节

---

基于本能的学习：教会 Claude 你的模式，一次一个项目。