mirror of
https://github.com/affaan-m/everything-claude-code.git
synced 2026-04-05 00:33:27 +08:00
abcf38b085
* docs(zh-CN): sync Chinese docs with latest upstream changes * docs(zh-CN): update link --------- Co-authored-by: neo <neo.dowithless@gmail.com>
121 lines
3.5 KiB
Markdown
121 lines
3.5 KiB
Markdown
---
|
||
name: continuous-learning
|
||
description: 自动从Claude Code会话中提取可重复使用的模式，并将其保存为学习到的技能以供将来使用。
|
||
origin: ECC
|
||
---
|
||
|
||
# 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：
|
||
|
||
1. **会话评估**：检查会话是否包含足够多的消息（默认：10 条以上）
|
||
2. **模式检测**：从会话中识别可提取的模式
|
||
3. **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：
|
||
|
||
```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"
|
||
]
|
||
}
|
||
```
|
||
|
||
## 模式类型
|
||
|
||
| 模式 | 描述 |
|
||
|---------|-------------|
|
||
| `error_resolution` | 特定错误是如何解决的 |
|
||
| `user_corrections` | 来自用户纠正的模式 |
|
||
| `workarounds` | 框架/库特殊性的解决方案 |
|
||
| `debugging_techniques` | 有效的调试方法 |
|
||
| `project_specific` | 项目特定的约定 |
|
||
|
||
## 钩子设置
|
||
|
||
添加到你的 `~/.claude/settings.json` 中：
|
||
|
||
```json
|
||
{
|
||
"hooks": {
|
||
"Stop": [{
|
||
"matcher": "*",
|
||
"hooks": [{
|
||
"type": "command",
|
||
"command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
|
||
}]
|
||
}]
|
||
}
|
||
}
|
||
```
|
||
|
||
## 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](https://x.com/affaanmustafa/status/2014040193557471352) - 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：
|
||
|
||
| 功能 | 我们的方法 | Homunculus v2 |
|
||
|---------|--------------|---------------|
|
||
| 观察 | 停止钩子（会话结束时） | PreToolUse/PostToolUse 钩子（100% 可靠） |
|
||
| 分析 | 主上下文 | 后台代理 (Haiku) |
|
||
| 粒度 | 完整技能 | 原子化的“本能” |
|
||
| 置信度 | 无 | 0.3-0.9 加权 |
|
||
| 演进 | 直接到技能 | 本能 → 集群 → 技能/命令/代理 |
|
||
| 共享 | 无 | 导出/导入本能 |
|
||
|
||
**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
|
||
|
||
1. **基于本能的学习** - 更小、原子化的行为，附带置信度评分
|
||
2. **后台观察者** - Haiku 代理并行分析
|
||
3. **置信度衰减** - 如果被反驳，本能会降低置信度
|
||
4. **领域标记** - 代码风格、测试、git、调试等
|
||
5. **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。
|