xu-xiang/continuous-learning-v2

持续学习 v2 - 基于本能的架构

一个高级学习系统，通过原子化的“本能”——带有置信度评分的小型习得行为——将你的 Claude Code 会话转化为可重用的知识。

部分灵感来源于 humanplane (credit: @humanplane) 的 Homunculus 项目。

何时激活

• 设置从 Claude Code 会话中自动学习时
• 通过钩子配置基于本能的行为提取时
• 调整学习行为的置信度阈值时
• 审查、导出或导入本能库时
• 将本能进化为完整技能、命令或代理时

v2 的新特性

| 特性 | v1 | v2 | |---------|----|----| | 观察 | 停止钩子（会话结束） | 工具使用前/后（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 → 聚类 → 技能/命令/代理 | | 共享 | 无 | 导出/导入本能 |

本能模型

一个本能是一个小型习得行为：

---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
---

# Prefer Functional Style

## Action
Use functional patterns over classes when appropriate.

## Evidence
- Observed 5 instances of functional pattern preference
- User corrected class-based approach to functional on 2025-01-15

属性：

• 原子性 — 一个触发条件，一个动作
• 置信度加权 — 0.3 = 尝试性的，0.9 = 近乎确定
• 领域标记 — 代码风格、测试、git、调试、工作流等
• 证据支持 — 追踪是哪些观察创建了它

工作原理

Session Activity
      │
      │ Hooks capture prompts + tool use (100% reliable)
      ▼
┌─────────────────────────────────────────┐
│         observations.jsonl              │
│   (prompts, tool calls, outcomes)       │
└─────────────────────────────────────────┘
      │
      │ Observer agent reads (background, Haiku)
      ▼
┌─────────────────────────────────────────┐
│          PATTERN DETECTION              │
│   • User corrections → instinct         │
│   • Error resolutions → instinct        │
│   • Repeated workflows → instinct       │
└─────────────────────────────────────────┘
      │
      │ Creates/updates
      ▼
┌─────────────────────────────────────────┐
│         instincts/personal/             │
│   • prefer-functional.md (0.7)          │
│   • always-test-first.md (0.9)          │
│   • use-zod-validation.md (0.6)         │
└─────────────────────────────────────────┘
      │
      │ /evolve clusters
      ▼
┌─────────────────────────────────────────┐
│              evolved/                   │
│   • commands/new-feature.md             │
│   • skills/testing-workflow.md          │
│   • agents/refactor-specialist.md       │
└─────────────────────────────────────────┘

快速开始

1. 启用观察钩子

添加到你的 ~/.claude/settings.json 中。

如果作为插件安装（推荐）：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh pre"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh post"
      }]
    }]
  }
}

如果手动安装到 ~/.claude/skills：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh pre"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh post"
      }]
    }]
  }
}

2. 初始化目录结构

Python CLI 会自动创建这些目录，但你也可以手动创建：

mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands}}
touch ~/.claude/homunculus/observations.jsonl

3. 使用本能命令

/instinct-status     # Show learned instincts with confidence scores
/evolve              # Cluster related instincts into skills/commands
/instinct-export     # Export instincts for sharing
/instinct-import     # Import instincts from others

命令

| 命令 | 描述 | |---------|-------------| | /instinct-status | 显示所有已习得的本能及其置信度 | | /evolve | 将相关本能聚类为技能/命令 | | /instinct-export | 导出本能用于共享 | | /instinct-import <file> | 从他人处导入本能 |

配置

编辑 config.json：

{
  "version": "2.0",
  "observation": {
    "enabled": true,
    "store_path": "~/.claude/homunculus/observations.jsonl",
    "max_file_size_mb": 10,
    "archive_after_days": 7
  },
  "instincts": {
    "personal_path": "~/.claude/homunculus/instincts/personal/",
    "inherited_path": "~/.claude/homunculus/instincts/inherited/",
    "min_confidence": 0.3,
    "auto_approve_threshold": 0.7,
    "confidence_decay_rate": 0.05
  },
  "observer": {
    "enabled": true,
    "model": "haiku",
    "run_interval_minutes": 5,
    "patterns_to_detect": [
      "user_corrections",
      "error_resolutions",
      "repeated_workflows",
      "tool_preferences"
    ]
  },
  "evolution": {
    "cluster_threshold": 3,
    "evolved_path": "~/.claude/homunculus/evolved/"
  }
}

文件结构

~/.claude/homunculus/
├── identity.json           # Your profile, technical level
├── observations.jsonl      # Current session observations
├── observations.archive/   # Processed observations
├── instincts/
│   ├── personal/           # Auto-learned instincts
│   └── inherited/          # Imported from others
└── evolved/
    ├── agents/             # Generated specialist agents
    ├── skills/             # Generated skills
    └── commands/           # Generated commands

与技能创建器的集成

当你使用 技能创建器 GitHub 应用 时，它现在会生成两者：

• 传统的 SKILL.md 文件（用于向后兼容）
• 本能集合（用于 v2 学习系统）

来自仓库分析的本能带有 source: "repo-analysis" 标记，并包含源仓库 URL。

置信度评分

置信度随时间演变：

| 分数 | 含义 | 行为 | |-------|---------|----------| | 0.3 | 尝试性的 | 建议但不强制执行 | | 0.5 | 中等的 | 相关时应用 | | 0.7 | 强烈的 | 自动批准应用 | | 0.9 | 近乎确定的 | 核心行为 |

置信度增加当：

• 模式被反复观察到
• 用户未纠正建议的行为
• 来自其他来源的相似本能一致

置信度降低当：

• 用户明确纠正该行为
• 长时间未观察到该模式
• 出现矛盾证据

为什么用钩子而非技能进行观察？

“v1 依赖技能进行观察。技能是概率性的——它们基于 Claude 的判断，大约有 50-80% 的概率触发。”

钩子100% 触发，是确定性的。这意味着：

• 每次工具调用都被观察到
• 不会错过任何模式
• 学习是全面的

向后兼容性

v2 与 v1 完全兼容：

• 现有的 ~/.claude/skills/learned/ 技能仍然有效
• 停止钩子仍然运行（但现在也输入到 v2）
• 渐进式迁移路径：并行运行两者

隐私

• 观察数据保留在你的本地机器上
• 只有本能（模式）可以被导出
• 不会共享实际的代码或对话内容
• 你控制导出的内容

相关链接

• 技能创建器 - 从仓库历史生成本能
• Homunculus - 启发了 v2 基于本能的架构的社区项目（原子观察、置信度评分、本能进化管道）
• 长篇指南 - 持续学习部分

---

基于本能的学习：一次一个观察，教会 Claude 你的模式。