affaan-m/continuous-learning

持續學習技能

自動評估 Claude Code 工作階段結束時的內容，提取可重用模式並儲存為學習技能。

運作方式

此技能作為 Stop hook 在每個工作階段結束時執行：

1. 工作階段評估：檢查工作階段是否有足夠訊息（預設：10+ 則）
2. 模式偵測：從工作階段識別可提取的模式
3. 技能提取：將有用模式儲存到 ~/.claude/skills/learned/

設定

編輯 config.json 以自訂：

{
  "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"
  ]
}

模式類型

| 模式 | 描述 | |------|------| | error_resolution | 特定錯誤如何被解決 | | user_corrections | 來自使用者修正的模式 | | workarounds | 框架/函式庫怪異問題的解決方案 | | debugging_techniques | 有效的除錯方法 | | project_specific | 專案特定慣例 |

Hook 設定

新增到你的 ~/.claude/settings.json：

{
  "hooks": {
    "Stop": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
      }]
    }]
  }
}

為什麼用 Stop Hook？

• 輕量：工作階段結束時只執行一次
• 非阻塞：不會為每則訊息增加延遲
• 完整上下文：可存取完整工作階段記錄

相關

• Longform Guide - 持續學習章節
• /learn 指令 - 工作階段中手動提取模式

---

比較筆記（研究：2025 年 1 月）

vs Homunculus

Homunculus v2 採用更複雜的方法：

| 功能 | 我們的方法 | Homunculus v2 | |------|----------|---------------| | 觀察 | Stop hook（工作階段結束） | PreToolUse/PostToolUse hooks（100% 可靠） | | 分析 | 主要上下文 | 背景 agent（Haiku） | | 粒度 | 完整技能 | 原子「本能」 | | 信心 | 無 | 0.3-0.9 加權 | | 演化 | 直接到技能 | 本能 → 聚類 → 技能/指令/agent | | 分享 | 無 | 匯出/匯入本能 |

來自 homunculus 的關鍵見解：

"v1 依賴技能進行觀察。技能是機率性的——它們觸發約 50-80% 的時間。v2 使用 hooks 進行觀察（100% 可靠），並以本能作為學習行為的原子單位。"

潛在 v2 增強

1. 基於本能的學習 - 較小的原子行為，帶信心評分
2. 背景觀察者 - Haiku agent 並行分析
3. 信心衰減 - 如果被矛盾則本能失去信心
4. 領域標記 - code-style、testing、git、debugging 等
5. 演化路徑 - 將相關本能聚類為技能/指令

參見：docs/continuous-learning-v2-spec.md 完整規格。