continuous-learning

name continuous-learning description 自动从Claude Code会话中提取可重复使用的模式，并将其保存为学习到的技能以供将来使用。 origin ECC 持续学习技能 自动评估 Claude Code 会话的结尾，以提取可重用的模式，这些模式可以保存为学习到的技能。 何时激活 设置从 Claude Code 会话中自动提取模式 为会话评估配置停止钩子 在 ~/.claude/skills/learned/ 中审查或整理已学习的技能 调整提取阈值或模式类别 比较 v1（本方法）与 v2（基于本能的方法） 工作原理 此技能作为 停止钩子 在每个会话结束时运行： 会话评估 ：检查会话是否包含足够多的消息（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 以进行自定义： { "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 模式 描述 error_resolution 特定错误是如何解决的 user_corrections 来自用户纠正的模式 workarounds 框架/库特殊性的解决方案 debugging_techniques 有效的调试方法 project_specific 项目特定的约定 钩子设置 添加到你的 ~/.claude/settings.json 中： { "hooks" : { "Stop" : [ { "matcher" : "*" , "hooks" : [ { "type" : "command" , "command" : "~/.claude/skills/continuous-learning/evaluate-session.sh" } ] } ] } } 为什么使用停止钩子？ 轻量级 ：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 长篇指南 - 关于持续学习的章节 /learn 命令 - 在会话中手动提取模式 对比说明（研究：2025年1月） 与 Homunculus 的对比 Homunculus v2 采用了更复杂的方法： 功能 我们的方法 Homunculus v2 观察 停止钩子（会话结束时） PreToolUse/PostToolUse 钩子（100% 可靠） 分析 主上下文 后台代理 (Haiku) 粒度 完整技能 原子化的“本能” 置信度 无 0.3-0.9 加权 演进 直接到技能 本能 → 集群 → 技能/命令/代理 共享 无 导出/导入本能 来自 homunculus 的关键见解： "v1 依赖技能来观察。技能是概率性的——它们触发的概率约为 50-80%。v2 使用钩子进行观察（100% 可靠），并以本能作为学习行为的原子单元。" 潜在的 v2 增强功能 基于本能的学习 - 更小、原子化的行为，附带置信度评分 后台观察者 - Haiku 代理并行分析 置信度衰减 - 如果被反驳，本能会降低置信度 领域标记 - 代码风格、测试、git、调试等 演进路径 - 将相关本能聚类为技能/命令 参见： docs/continuous-learning-v2-spec.md 以获取完整规范。