--- name: continuous-learning description: "[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." origin: ECC --- # 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 | Patrón | Descripción | |--------|-------------| | `error_resolution` | Cómo se resolvieron errores específicos | | `user_corrections` | Patrones de correcciones del usuario | | `workarounds` | Soluciones a peculiaridades de frameworks/librerías | | `debugging_techniques` | Enfoques efectivos de depuración | | `project_specific` | Convenciones 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: | Característica | Nuestro Enfoque | Homunculus v2 | |----------------|-----------------|---------------| | Observación | Hook Stop (fin de sesión) | Hooks PreToolUse/PostToolUse (100% confiable) | | Análisis | Contexto principal | Agente en segundo plano (Haiku) | | Granularidad | Skills completos | "Instintos" atómicos | | Confianza | Ninguna | Ponderada 0.3-0.9 | | Evolución | Directamente a skill | Instintos → cluster → skill/comando/agente | | Compartir | Ninguno | Exportar/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.