continuous-learning

name continuous-learning description [OBSOLETO - usar continuous-learning-v2] Extractor de skill por hook Stop v1 heredado. v2 es un superconjunto estricto con aprendizaje basado en instintos, con alcance de proyecto y hooks confiables. No invocar v1; dirigir solicitudes de aprendizaje continuo, aprendizaje de sesión y extracción de patrones a continuous-learning-v2. origin ECC Skill de Aprendizaje Continuo - OBSOLETO OBSOLETO el 2026-04-28. Usar continuous-learning-v2 en su lugar. v2 es un superconjunto estricto: la observación por hook Stop se convierte en observación PreToolUse/PostToolUse, los skills completos se convierten en instintos atómicos con puntuación de confianza, y el almacenamiento solo global se convierte en almacenamiento con alcance de proyecto más promoción global. Este archivo se mantiene como referencia de archivo y compatibilidad retroactiva con instalaciones existentes. Documentación Original v1 (archivo) Evalúa automáticamente las sesiones de Claude Code al terminar para extraer patrones reutilizables que pueden guardarse como skills aprendidos. Cuándo Activar Configurar extracción automática de patrones desde sesiones de Claude Code Configurar el hook Stop para evaluación de sesiones Revisar o curar skills aprendidos en ~/.claude/skills/learned/ Ajustar umbrales de extracción o categorías de patrones Comparar enfoques v1 (este) vs v2 (basado en instintos) Estado Este skill v1 sigue siendo compatible, pero continuous-learning-v2 es la ruta preferida para nuevas instalaciones. Mantener v1 cuando explícitamente quieras el flujo de extracción por hook Stop más simple o necesites compatibilidad con flujos de trabajo de skills aprendidos más antiguos. Cómo Funciona Este skill se ejecuta como un hook Stop al final de cada sesión: Evaluación de Sesión : Verifica si la sesión tiene suficientes mensajes (por defecto: 10+) Detección de Patrones : Identifica patrones extraíbles de la sesión Extracción de Skills : Guarda patrones útiles en ~/.claude/skills/learned/ Configuración Editar config.json para personalizar: { "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" ] } Tipos de Patrones Patrón Descripción error_resolution Cómo se resolvieron errores específicos user_corrections Patrones de correcciones del usuario workarounds Soluciones a peculiaridades de frameworks/librerías debugging_techniques Enfoques efectivos de depuración project_specific Convenciones específicas del proyecto Configuración del Hook Agregar a tu ~/.claude/settings.json : { "hooks" : { "Stop" : [ { "matcher" : "*" , "hooks" : [ { "type" : "command" , "command" : "~/.claude/skills/continuous-learning/evaluate-session.sh" } ] } ] } } Por Qué Hook Stop? Ligero : Se ejecuta una vez al final de la sesión No bloqueante : No agrega latencia a cada mensaje Contexto completo : Tiene acceso a la transcripción completa de la sesión Relacionado /learn — Extracción manual de patrones a mitad de sesión Notas de Comparación (Investigación: Ene 2025) vs Homunculus Homunculus v2 adopta un enfoque más sofisticado: Característica Nuestro Enfoque Homunculus v2 Observación Hook Stop (fin de sesión) Hooks PreToolUse/PostToolUse (100% confiable) Análisis Contexto principal Agente en segundo plano (Haiku) Granularidad Skills completos "Instintos" atómicos Confianza Ninguna Ponderada 0.3-0.9 Evolución Directamente a skill Instintos → cluster → skill/comando/agente Compartir Ninguno Exportar/importar instintos Insight clave de homunculus: "v1 dependía de skills para observar. Los skills son probabilísticos — se activan ~50-80% del tiempo. v2 usa hooks para la observación (100% confiable) e instintos como unidad atómica de comportamiento aprendido." Mejoras Potenciales v2 Aprendizaje basado en instintos — Comportamientos más pequeños y atómicos con puntuación de confianza Observador en segundo plano — Agente Haiku analizando en paralelo Decaimiento de confianza — Los instintos pierden confianza si son contradichos Etiquetado de dominio — code-style, testing, git, debugging, etc. Ruta de evolución — Agrupar instintos relacionados en skills/comandos Ver: docs/continuous-learning-v2-spec.md para la especificación completa.