tarrragon/continuous-learning

Continuous Learning

從 Claude Code 工作過程中自動提取可復用模式，並將洞察、決策和經驗記錄為結構化的原子記憶單位。

---

兩大功能

1. Session Pattern Extraction（自動）

透過 Stop hook 在 session 結束時自動執行：

1. Session 評估：檢查 session 訊息量是否足夠（預設 10+）
2. 模式偵測：識別可提取的可復用模式
3. Skill 產出：將有用模式儲存到 .claude/skills/learned/

2. Memory Capture（按需）

將重要技術決策、實作方案和經驗教訓記錄為原子化記憶：

1. 提取核心結論：從工作過程中識別值得記錄的結論
2. 分類和結構化：判斷記憶類型，設計結論式標題
3. 建立連結：識別與既有知識的關聯
4. 儲存到 memory/：按標準結構建立記憶檔案
5. 升級評估：判斷此原則是否需升級到框架共用層

重要：memory 寫入不是終點，而是升級評估的起點。寫入 feedback_*.md 後必須執行升級評估，否則跨專案通用原則會被困在單一專案的 memory 中（PC-061）。

• 升級評估規則：.claude/pm-rules/pm-quality-baseline.md 規則 7
• 錯誤模式參考：.claude/error-patterns/process-compliance/PC-061-memory-upgrade-blindness.md
• 完整決策樹：references/upgrade-decision-tree.md

適用時機：

| 時機 | 說明 | |------|------| | 重要技術決策完成 | 方案選擇後建立決策記錄 | | 實作方案確定 | 新的實作模式或解決方案誕生 | | 學習機會 | 測試失敗、問題排除、重構完成後的經驗總結 | | Phase 4 完成 | 重構後進行知識沉澱 | | 版本發布前 | 總結主要決策和經驗 |

根因型 memory 特殊處理（Two-Phase Reflection）

當記錄的 memory 核心是根因分析（error-pattern、代理人失敗歸因、用戶質疑「分析太表層」），必須套用兩階段深度反思：

1. Phase 1 多假設 Reality Test：列 5+ 候選動機、逐個自我觀察驗證、至少挖 2 層深因
2. Phase 2 WRAP 檢驗：結論產出後過 WRAP（Widen/Reality/Attain/Premortem）避免第一直覺陷阱

禁止只列 1-2 個假設就下結論，或跳過 Phase 2 直接落地。

完整方法論：.claude/methodologies/three-phase-reflection-methodology.md 案例：PC-087（表層版）→ PC-088（Phase 1+2 後的抽象層）

---

Pattern Types

| Pattern | Description | |---------|-------------| | error_resolution | How specific errors were resolved | | user_corrections | Patterns from user corrections | | workarounds | Solutions to framework/library quirks | | debugging_techniques | Effective debugging approaches | | project_specific | Project-specific conventions |

---

Configuration

Edit config.json to customize:

{
  "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"]
}

---

Hook Setup

Add to .claude/settings.json:

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

---

Memory Capture 詳細指引

記憶建立的完整規範（類型定義、結論式標題設計、標準結構、連結策略、原子性原則）：

參考: references/memory-capture-guide.md

Step 5：升級評估（強制）

完成 Step 4「儲存到 memory/」後，禁止直接結束。必須對寫入的 memory 執行升級評估：

| 步驟 | 動作 | 工具/參考 | |------|------|----------| | 5.1 | 對每個新建的 feedback_*.md 檔案執行四問檢查 | .claude/pm-rules/pm-quality-baseline.md 規則 7 | | 5.2 | 判斷升級目的地（六類分支） | references/upgrade-decision-tree.md | | 5.3 | 執行升級寫入（rules / pm-rules / error-patterns / methodologies / references / skills） | 對應目錄 | | 5.4 | 在原 memory 檔案頂部加註「已升級」標註 | 標註格式見決策樹 |

為什麼必須執行：

memory 寫入不是終點，而是升級評估的起點。若略過此步驟，跨專案通用的原則會被困在單一專案的 auto-memory 中，無法 sync 到其他專案，也不會被其他 session 自動載入（PC-061「Memory upgrade blindness」）。

參考資源：

• 強制規則：.claude/pm-rules/pm-quality-baseline.md 規則 7「Memory 寫入必須評估跨專案升級」
• 錯誤模式：.claude/error-patterns/process-compliance/PC-061-memory-upgrade-blindness.md
• 完整決策樹：references/upgrade-decision-tree.md

---

Related

• The Longform Guide - Section on continuous learning
• /learn command - Manual pattern extraction mid-session

---

Last Updated: 2026-04-13 Version: 2.1.0 - 新增 Step 5 升級評估，將 memory 寫入串接到 framework 升級流程（防範 PC-061）