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:
模式类型
钩子设置
添加到你的 ~/.claude/settings.json 中:
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:
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。


