Continuous Learning

持續學習技能

自動評估 Claude Code 工作階段結束時的內容，提取可重用模式並儲存為學習技能。

運作方式

此技能作為 Stop hook 在每個工作階段結束時執行：

1. 工作階段評估：檢查工作階段是否有足夠訊息（預設：10+ 則）
2. 模式偵測：從工作階段識別可提取的模式
3. 技能提取：將有用模式儲存到 ~/.claude/skills/learned/

設定

編輯 config.json 以自訂：

{  "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"  ]}

模式類型

Hook 設定

新增到你的 ~/.claude/settings.json：

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

為什麼用 Stop Hook？

• 輕量：工作階段結束時只執行一次
• 非阻塞：不會為每則訊息增加延遲
• 完整上下文：可存取完整工作階段記錄

相關

• Longform Guide - 持續學習章節
• /learn 指令 - 工作階段中手動提取模式

比較筆記（研究：2025 年 1 月）

vs Homunculus

Homunculus v2 採用更複雜的方法：

來自 homunculus 的關鍵見解：

"v1 依賴技能進行觀察。技能是機率性的——它們觸發約 50-80% 的時間。v2 使用 hooks 進行觀察（100% 可靠），並以本能作為學習行為的原子單位。"

潛在 v2 增強

1. 基於本能的學習 - 較小的原子行為，帶信心評分
2. 背景觀察者 - Haiku agent 並行分析
3. 信心衰減 - 如果被矛盾則本能失去信心
4. 領域標記 - code-style、testing、git、debugging 等
5. 演化路徑 - 將相關本能聚類為技能/指令

參見：docs/continuous-learning-v2-spec.md 完整規格。