Continuous Learning

作者 affaan-mef648e01899b無授權條款275K 個星標收錄於 2026年10月8日更新於 2026年10月8日儲存庫3 天前更新

[OBSOLETO - usar continuous-learning-v2] Extractor de skill por hook Stop v1 heredado. v2 es un superconjunto estricto con aprendizaje basado en instintos, con alcance de proyecto y hooks confiables. No invocar v1; dirigir solicitudes de aprendizaje continuo, aprendizaje de sesión y extracción de patrones a continuous-learning-v2.

僅含說明AI & Agents
AI 產生的概覽

已淘汰的 v1 技能,說明如何透過 Stop 鉤子從 Claude Code 工作階段自動擷取可重複使用的模式。

功能
這份封存技能描述了一套 v1 機制:在每個工作階段結束時評估 Claude Code 工作階段,擷取可重複使用的模式,並將其儲存為本機技能目錄下的已學習技能。文件說明了最小工作階段長度、擷取門檻、模式類別與忽略規則等設定項目,以及 Stop 鉤子的設定方式。文件已標示為淘汰,並指引新用途改用 v2 技能;它不附帶指令碼,僅作為封存參考。
適用情境
僅當你明確需要較舊的 Stop 鉤子擷取流程,或需要與既有已學習技能安裝保持回溯相容時使用。對於新安裝,文件本身建議改用 v2 技能。
執行需求
不包含指令碼,僅為文件。依文件所述進行設定需要 Claude Code,並在使用者設定檔中設定 Stop 鉤子,以及一個本機已學習技能目錄。

Skill de Aprendizaje Continuo - OBSOLETO

OBSOLETO el 2026-04-28. Usar continuous-learning-v2 en su lugar. v2 es un superconjunto estricto: la observación por hook Stop se convierte en observación PreToolUse/PostToolUse, los skills completos se convierten en instintos atómicos con puntuación de confianza, y el almacenamiento solo global se convierte en almacenamiento con alcance de proyecto más promoción global.

Este archivo se mantiene como referencia de archivo y compatibilidad retroactiva con instalaciones existentes.


Documentación Original v1 (archivo)

Evalúa automáticamente las sesiones de Claude Code al terminar para extraer patrones reutilizables que pueden guardarse como skills aprendidos.

Cuándo Activar

  • Configurar extracción automática de patrones desde sesiones de Claude Code
  • Configurar el hook Stop para evaluación de sesiones
  • Revisar o curar skills aprendidos en ~/.claude/skills/learned/
  • Ajustar umbrales de extracción o categorías de patrones
  • Comparar enfoques v1 (este) vs v2 (basado en instintos)

Estado

Este skill v1 sigue siendo compatible, pero continuous-learning-v2 es la ruta preferida para nuevas instalaciones. Mantener v1 cuando explícitamente quieras el flujo de extracción por hook Stop más simple o necesites compatibilidad con flujos de trabajo de skills aprendidos más antiguos.

Cómo Funciona

Este skill se ejecuta como un hook Stop al final de cada sesión:

  1. Evaluación de Sesión: Verifica si la sesión tiene suficientes mensajes (por defecto: 10+)
  2. Detección de Patrones: Identifica patrones extraíbles de la sesión
  3. Extracción de Skills: Guarda patrones útiles en ~/.claude/skills/learned/

Configuración

Editar config.json para personalizar:

json
{  "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"  ]}

Tipos de Patrones

PatrónDescripción
error_resolutionCómo se resolvieron errores específicos
user_correctionsPatrones de correcciones del usuario
workaroundsSoluciones a peculiaridades de frameworks/librerías
debugging_techniquesEnfoques efectivos de depuración
project_specificConvenciones específicas del proyecto

Configuración del Hook

Agregar a tu ~/.claude/settings.json:

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

Por Qué Hook Stop?

  • Ligero: Se ejecuta una vez al final de la sesión
  • No bloqueante: No agrega latencia a cada mensaje
  • Contexto completo: Tiene acceso a la transcripción completa de la sesión

Relacionado

  • /learn — Extracción manual de patrones a mitad de sesión

Notas de Comparación (Investigación: Ene 2025)

vs Homunculus

Homunculus v2 adopta un enfoque más sofisticado:

CaracterísticaNuestro EnfoqueHomunculus v2
ObservaciónHook Stop (fin de sesión)Hooks PreToolUse/PostToolUse (100% confiable)
AnálisisContexto principalAgente en segundo plano (Haiku)
GranularidadSkills completos"Instintos" atómicos
ConfianzaNingunaPonderada 0.3-0.9
EvoluciónDirectamente a skillInstintos → cluster → skill/comando/agente
CompartirNingunoExportar/importar instintos

Insight clave de homunculus:

"v1 dependía de skills para observar. Los skills son probabilísticos — se activan ~50-80% del tiempo. v2 usa hooks para la observación (100% confiable) e instintos como unidad atómica de comportamiento aprendido."

Mejoras Potenciales v2

  1. Aprendizaje basado en instintos — Comportamientos más pequeños y atómicos con puntuación de confianza
  2. Observador en segundo plano — Agente Haiku analizando en paralelo
  3. Decaimiento de confianza — Los instintos pierden confianza si son contradichos
  4. Etiquetado de dominio — code-style, testing, git, debugging, etc.
  5. Ruta de evolución — Agrupar instintos relacionados en skills/comandos

Ver: docs/continuous-learning-v2-spec.md para la especificación completa.

來源與署名

來源:affaan-m/ecc位於docs/es/skills/continuous-learning提交ef648e0

授權條款: 無授權條款

內容歸原作者所有。SourceWeft 從公開儲存庫中收錄這些內容。

檢舉或申請下架