continuous-learning

# 持续学习技能（Continuous Learning Skill） Claude Code 会话结束时自动进行评估，提取可作为已学习技能保存的可重用模式（Pattern）。 ## 工作原理（How it Works） 此技能在每个会话结束时作为 **Stop 钩子（Hook）** 执行： 1. **会话评估**：检查会话是否有足够的消息（默认：10 条以上） 2. **模式检测**：识别可从会话中提取的模式 3. **技能提取**：将有用的模式保存到 `~/.claude/skills/learned/` ## 配置（Configuration） 通过编辑 `config.json` 进行自定义： ```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" ] } ``` ## 模式类型（Pattern Types） | 模式 | 描述 | |---------|-------------| | `error_resolution` | 特定错误的解决方法 | | `user_corrections` | 来自用户修正的模式 | | `workarounds` | 针对框架/库特性的解决方案 | | `debugging_techniques` | 有效的调试方法（Debugging Approaches） | | `project_specific` | 项目特定的约定 | ## 钩子配置（Hook Configuration） 添加到 `~/.claude/settings.json`： ```json { "hooks": { "Stop": [{ "matcher": "*", "hooks": [{ "type": "command", "command": "~/.claude/skills/continuous-learning/evaluate-session.sh" }] }] } } ``` ## 为什么使用 Stop 钩子 - **轻量**：仅在会话（Session）结束时执行一次 - **非阻塞**：不会给每条消息增加延迟（Latency） - **完整上下文**：可以访问整个会话的转录内容 ## 相关项目 - [The Longform Guide](https://x.com/affaanmustafa/status/2014040193557471352) - 关于持续学习的部分 - `/learn` 命令 - 会话中的手动模式提取 --- ## 对比笔记（调查：2025年1月） ### vs Homunculus Homunculus v2 采用了更精细的方法： | 功能 | 当前方法 | Homunculus v2 | |---------|--------------|---------------| | 观察 | Stop 钩子 (会话结束时) | PreToolUse/PostToolUse 钩子 (100% 可靠性) | | 分析 | 主上下文 (Main Context) | 后台智能体 (Background Agent, Haiku) | | 粒度 | 完整的技能 | 原子级的“本能 (Instinct)” | | 置信度 | 无 | 0.3-0.9 的权重分配 | | 演进 | 直接转换为技能 | 本能 → 集群 → 技能/命令/智能体 | | 共享 | 无 | 本能的导出/导入 | **homunculus 的重要洞察：** > "v1 依赖技能进行观察。技能是概率性的，触发率约为 50-80%。v2 使用钩子（100% 可靠性）进行观察，并使用本能作为学习行为的原子单位。" ### v2 的潜在改进 1. **基于本能的学习** - 具有置信度评分的更小、原子级的行为 2. **后台观察者** - 并行分析的 Haiku 智能体 3. **置信度衰减** - 在发生冲突时降低本能的置信度 4. **领域标签** - 代码风格、测试、git、调试等 5. **演进路径** - 将相关的本能聚类为技能/命令/智能体 详细信息：请参阅 `/Users/affoon/Documents/tasks/12-continuous-learning-v2.md`。