持续学习技能（Continuous Learning Skill）
在会话结束时自动评估 Claude Code 会话，提取可保存为已学习技能（Learned Skills）的可复用模式。
何时激活
- 设置从 Claude Code 会话中自动提取模式
- 为会话评估配置
Stop钩子（Hook） - 查看或整理
~/.claude/skills/learned/中的已学习技能 - 调整提取阈值或模式类别
- 比较 v1（当前）与 v2（基于直觉/Instinct）的方法
工作原理
此技能在每个会话结束时作为 Stop 钩子（Hook） 运行：
- 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：从会话中识别可提取的模式
- 技能提取：将有用的模式保存到
~/.claude/skills/learned/
配置
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
| 模式 | 描述 |
|---|---|
error_resolution | 特定错误的解决方法 |
user_corrections | 来自用户纠偏的模式 |
workarounds | 针对框架/库缺陷的解决方案 |
debugging_techniques | 有效的调试方法 |
project_specific | 项目特定的约定 |
钩子设置（Hook Setup）
添加到您的 ~/.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？
- 轻量化：仅在会话结束时运行一次
- 非阻塞：不会给每条消息增加延迟
- 完整上下文：可以访问完整的会话记录
相关内容
- 长篇指南（The Longform Guide） - 关于持续学习的章节
/learn命令 - 会话中途手动提取模式
比较笔记（调研：2025年1月）
与 Homunculus 对比
Homunculus v2 采用了更复杂的方法：
| 特性 | 我们的方法 | Homunculus v2 |
|---|---|---|
| 观察机制（Observation） | Stop 钩子（会话结束） | PreToolUse/PostToolUse 钩子（100% 可靠） |
| 分析方式（Analysis） | 主上下文（Main context） | 后台智能体（Haiku agent） |
| 粒度（Granularity） | 完整技能（Full skills） | 原子化“直觉”（Atomic "instincts"） |
| 置信度（Confidence） | 无 | 0.3-0.9 权重 |
| 演进路径（Evolution） | 直接生成技能 | 直觉 → 聚类 → 技能/命令/智能体 |
| 共享方式（Sharing） | 无 | 导出/导入直觉 |
来自 Homunculus 的关键见解：
“v1 依赖技能（Skills）进行观察。技能是概率性的——它们的触发频率约为 50-80%。v2 使用钩子（Hooks）进行观察（100% 可靠），并将‘直觉（Instincts）’作为学习行为的原子单位。”
潜在的 v2 增强功能
- 基于直觉的学习 - 带有置信度评分的更小、原子化的行为
- 后台观察者 - 并行分析的 Haiku 智能体
- 置信度衰减 - 如果发生冲突，直觉的置信度会降低
- 领域标签 - 代码风格、测试、Git、调试等
- 演进路径 - 将相关的直觉聚类为技能/命令
参见：/Users/affoon/Documents/tasks/12-continuous-learning-v2.md 获取完整规范。
