| name | continuous-learning |
| description | 自动从 Claude Code 会话（Session）中提取可重用的模式（Pattern），并将其作为已学习的技能（Skill）保存以备将来使用。 |
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：
- 会话评估：检查会话是否有足够的消息（默认：10 条以上）
- 模式检测：识别可从会话中提取的模式
- 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：
{
"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：
{
"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
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
- 基于本能的学习 - 具有置信度评分的更小、原子级的行为
- 后台观察者 - 并行分析的 Haiku 智能体
- 置信度衰减 - 在发生冲突时降低本能的置信度
- 领域标签 - 代码风格、测试、git、调试等
- 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。
