| name | learned-rules-loader |
| description | v3.9 Bugbot-style learned rules 自动加载器(Cursor 启发,44k learned rules 验证)。 当 Claude 触及 .claude/rules/learned/ 目录或被 /cto-evolve apply 写入新 learned rule 时自动加载。把项目历次自审 / cross-review / commit 沉淀的具体教训注入上下文, 避免重复犯同类错。
|
| user-invocable | false |
| paths | ["**/.claude/rules/learned/**","**/.claude/rules/learned/*.md"] |
Learned Rules Loader (v3.9)
你正在触及项目的 learned rules archive(Cursor Bugbot 启发模式)。这些是从历次
自审 / codex cross-review / commit pattern 沉淀的具体教训,不是 system prompt 改写。
这个 archive 是什么
docs/.claude/rules/learned/ 目录下的每个 markdown 文件是一条具体的"我们已经犯过的错":
.claude/rules/learned/
├── README.md # 写规则的格式约定
├── 2026-05-15-codex-windows-sandbox-fallback.md # 例:codex 在 Windows 沙箱报 1326,要走 GitHub MCP fallback
├── 2026-05-20-paths-yaml-list-vs-string.md # 例:SKILL.md paths 字段必须 YAML list 不能 quoted scalar
└── archived/ # 月度归档:低频 / 已 superseded 的 rule
你的工作
当被自动 trigger(paths 命中)时
- Read 该目录下所有 markdown(最多 30 个,超过则按 frequency 排序取 30)
- 把这些 rules 注入当前任务上下文
- 在响应里显式 ack 哪条 learned rule 对当前任务相关
- 如果当前任务正在重复某条 learned rule 已警告过的错 → 立即停止 + 引用具体规则
当 /cto-evolve apply 调用时
- 读 SELF-AUDIT 提议
- 决定是否加新 learned rule(软配置层 — 不改 system prompt)
- 文件命名
<YYYY-MM-DD>-<topic-slug>.md
- 必填段(按 README.md 格式约定):
- 学到的教训:一句话
- 触发场景:何时该被加载
- 应该怎么做:具体行为
- 避免什么:反模式
- 来源:commit sha / SELF-AUDIT 文件
- 冷却:30 天内不重复提议同 pattern
为什么不直接改 CLAUDE.md / hooks
业界共识(详见 The Autonomy Dial):
所有商业 agent(Cursor / Cline / Aider / Devin)都把学到的东西写进显式审计文件,
绝不改 system prompt。原因:
- 可审计 — 用户能看到 AI 学到了什么
- 可回滚 — 单个 rule 文件 git 历史,可独立恢复
- 不放大攻击面 — 不破坏 system prompt 完整性
- 可累积(44k Cursor rules 验证)
反模式(你必须识别)
| 反模式 | 应当 |
|---|
| ❌ 把新 rule 直接 Edit 进 CLAUDE.md | ✅ 写到 .claude/rules/learned/-.md |
| ❌ 把新 rule 写成 hook 脚本(破坏 immutable-guard 边界) | ✅ 写 markdown,由 paths-trigger 自动加载 |
| ❌ rule 写得太抽象("代码要好") | ✅ 具体可执行("避免 X 时用 Y") |
| ❌ rule 没引用来源(无法追溯) | ✅ 含 commit sha / SELF-AUDIT 路径 |
| ❌ rule 与 CLAUDE.md 14 铁律冲突 | ✅ 仅细化铁律实施层(不挑战铁律本身) |
与其他 v3.9 组件协作
pattern-detector — 提议加哪条 rule
/cto-evolve apply — 实际写 rule 文件
immutable-guard.sh — 守红线,learned rule 写错也不能突破
cto-doctor — 检查 learned rules 数量 / 月度 freshness
引用