| name | continuous-learning-v2 |
| description | 一种基于本能（Instinct）的训练系统，通过钩子（Hooks）观察会话，创建带有置信度评分的原子化本能，并将其进化为技能（Skills）、命令（Commands）或智能体（Agents）。 |
| version | 2.0.0 |
持续学习（Continuous Learning）v2 - 基于本能（Instinct）的架构
这是一款先进的学习系统，能够通过带有置信度评分的小型已学习行为——“本能（Instinct）”，将 Claude Code 会话转化为可重用的知识。
v2 新特性
| 特性 | v1 | v2 |
|---|
| 观察（Observation） | Stop 钩子（会话结束时） | PreToolUse/PostToolUse（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（Skill） | 原子化“本能（Instinct）” |
| 置信度 | 无 | 0.3-0.9 加权 |
| 进化 | 直接转化为技能 | 本能 → 聚类 → 技能/命令/智能体 |
| 共享 | 无 | 本能导出/导入 |
本能模型（Instinct Model）
本能（Instinct）是小型且已学习的行为：
---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
---
在合适的情况下，优先使用函数式模式而非类（Class）。
- 观察到 5 次优先使用函数式模式
- 用户在 2025-01-15 将基于类的方法修正为函数式
属性：
- 原子化（Atomic） — 一个触发器，一个动作。
- 置信度加权（Confidence Weighting） — 0.3 = 暂定，0.9 = 几乎确定。
- 领域标签（Domain Tagged） — 如
code-style、testing、git、debugging、workflow 等。
- 基于证据（Evidence-based） — 跟踪创建该本能的观察记录。
工作原理
会话活动（Session Activity）
│
│ 钩子捕获提示词 + 工具调用（100% 可靠性）
▼
┌─────────────────────────────────────────┐
│ observations.jsonl │
│ (prompts, tool calls, outcomes) │
└─────────────────────────────────────────┘
│
│ 观察者智能体（Observer Agent）读取（后台运行，Haiku）
▼
┌─────────────────────────────────────────┐
│ 模式检测 │
│ • 用户修正 → 本能 │
│ • 错误解决 → 本能 │
│ • 重复工作流 → 本能 │
└─────────────────────────────────────────┘
│
│ 创建/更新
▼
┌─────────────────────────────────────────┐
│ instincts/personal/ │
│ • prefer-functional.md (0.7) │
│ • always-test-first.md (0.9) │
│ • use-zod-validation.md (0.6) │
└─────────────────────────────────────────┘
│
│ /evolve 聚类
▼
┌─────────────────────────────────────────┐
│ evolved/ │
│ • commands/new-feature.md │
│ • skills/testing-workflow.md │
│ • agents/refactor-specialist.md │
└─────────────────────────────────────────┘
快速入门
1. 启用观察钩子（Observation Hooks）
添加到 ~/.claude/settings.json 中。
作为插件安装时（推荐）：
{
"hooks": {
"PreToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh pre"
}]
}],
"PostToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh post"
}]
}]
}
}
在 ~/.claude/skills 中手动安装时：
{
"hooks": {
"PreToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh pre"
}]
}],
"PostToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh post"
}]
}]
}
}
2. 初始化目录结构
Python CLI 会自动创建，但你也可以手动创建：
mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands}}
touch ~/.claude/homunculus/observations.jsonl
3. 使用本能命令
/instinct-status
/evolve
/instinct-export
/instinct-import
命令（Commands）
| 命令 | 说明 |
|---|
/instinct-status | 显示所有已学习的本能及其置信度 |
/evolve | 将相关的本能聚类为技能/命令 |
/instinct-export | 导出本能以便共享 |
/instinct-import <file> | 从他人处导入本能 |
配置（Configuration）
编辑 config.json：
{
"version": "2.0",
"observation": {
"enabled": true,
"store_path": "~/.claude/homunculus/observations.jsonl",
"max_file_size_mb": 10,
"archive_after_days": 7
},
"instincts": {
"personal_path": "~/.claude/homunculus/instincts/personal/",
"inherited_path": "~/.claude/homunculus/instincts/inherited/",
"min_confidence": 0.3,
"auto_approve_threshold": 0.7,
"confidence_decay_rate": 0.05
},
"observer": {
"enabled": true,
"model": "haiku",
"run_interval_minutes": 5,
"patterns_to_detect": [
"user_corrections",
"error_resolutions",
"repeated_workflows",
"tool_preferences"
]
},
"evolution": {
"cluster_threshold": 3,
"evolved_path": "~/.claude/homunculus/evolved/"
}
}
文件结构
~/.claude/homunculus/
├── identity.json # 个人资料、技术水平
├── observations.jsonl # 当前会话观察记录
├── observations.archive/ # 已处理的观察记录
├── instincts/
│ ├── personal/ # 自动学习的本能
│ └── inherited/ # 从他人处导入的本能
└── evolved/
├── agents/ # 生成的专项智能体
├── skills/ # 生成的技能
└── commands/ # 生成的命令
与 Skill Creator 的集成
使用 Skill Creator GitHub App 会同时生成：
- 传统的
SKILL.md 文件（用于向后兼容）
- 本能集合（用于 v2 学习系统）
来自仓库分析的本能会带有 source: "repo-analysis" 标记，并包含源仓库 URL。
置信度评分（Confidence Scoring）
置信度会随着时间进化：
| 分数 | 含义 | 行为 |
|---|
| 0.3 | 暂定 | 会被建议但不会强制执行 |
| 0.5 | 中等 | 在相关情况下应用 |
| 0.7 | 强 | 应用会被自动批准 |
| 0.9 | 几乎确定 | 核心行为 |
置信度提升的情况：
- 模式被重复观察到。
- 用户未对建议的行为进行修正。
- 来自其他源的类似本能匹配。
置信度下降的情况：
- 用户显式修正了行为。
- 长期未观察到该模式。
- 出现了矛盾的证据。
为什么在观察中使用钩子（Hooks）而不是技能（Skills）？
“v1 依赖于技能进行观察。技能是概率性的，根据 Claude 的判断，其触发概率约为 50-80%。”
钩子（Hooks）是100% 确定性触发的。这意味着：
- 所有的工具调用都会被观察到。
- 模式不会被遗漏。
- 学习是全面的。
向后兼容性
v2 与 v1 完全兼容：
- 现有的
~/.claude/skills/learned/ 技能仍然有效。
- Stop 钩子仍然会运行（但也会为 v2 提供数据）。
- 平滑迁移路径：支持两者并行运行。
隐私（Privacy）
- 观察记录保留在机器本地。
- 仅可导出本能（模式）。
- 实际的代码或对话内容不会被共享。
- 你可以控制导出的内容。
相关链接
基于本能的学习：一次一次地观察，教会 Claude 你的模式。
