持续学习技能¶

在 Claude Code 会话结束时自动评估，并提取可保存为已学习技能的可复用模式。

工作原理¶

该技能在每个会话结束时作为 Stop 钩子 运行：

1. 会话评估：检查会话是否有足够消息（默认：10 条以上）
2. 模式检测：识别会话中可提取的模式
3. 技能提取：将有用模式保存到 ~/.claude/skills/learned/

配置¶

编辑 config.json 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¶

钩子配置¶

添加到 ~/.claude/settings.json：

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

为什么使用 Stop 钩子¶

• 轻量：仅在会话结束时运行一次
• 非阻塞：不会为所有消息增加延迟
• 完整上下文：可访问整个会话的转录

相关项目¶

• The Longform Guide - 关于持续学习的章节
• /learn 命令 - 会话中的手动模式提取

比较笔记（调查：2025 年 1 月）¶

与 Homunculus 对比¶

Homunculus v2 采用更精细的方法：

来自 Homunculus 的重要洞察：

“v1 依赖技能进行观察。技能是概率性的，触发率约为 50-80%。v2 使用钩子（100% 可靠性）进行观察，并将本能作为习得行为的原子单位。”

v2 的潜在改进¶

1. 基于本能的学习 - 更小、更原子的行为，带有置信度评分
2. 后台观察者 - 并行分析的 Haiku 代理
3. 置信度衰减 - 出现矛盾时降低本能的置信度
4. 领域标签 - 代码风格、测试、git、调试等
5. 进化路径 - 将相关本能聚类为技能/命令

详见：docs/continuous-learning-v2-spec.md。