name: 持续学习 description: 自动从 Claude Code 会话中提取可重用的模式，并将其保存为学习到的技能以供未来使用。

持续学习技能

在会话结束时自动评估 Claude Code 会话，以提取可保存为学习技能的可重用模式。

工作原理

该技能作为 停止钩子 在每个会话结束时运行：

会话评估：检查会话是否有足够的消息（默认：10 条以上）
模式检测：识别会话中可提取的模式
技能提取：将有用的模式保存到 ~/.claude/skills/learned/

配置

编辑 config.json 进行自定义：

{
  "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`	特定错误的解决方式
`user_corrections`	来自用户修正的模式
`workarounds`	框架/库特有问题的变通方案
`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：

{
  "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：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

对比笔记（研究：2025年1月）

vs Homunculus (github.com/humanplane/homunculus)

Homunculus v2 采用了更复杂的方法：

特性	我们的方法	Homunculus v2
观测	停止钩子（会话结束时）	PreToolUse/PostToolUse 钩子（100% 可靠）
分析	主上下文	后台智能体（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	直接转化为技能	本能 → 聚类 → 技能/命令/智能体
共享	无	导出/导入本能

来自 homunculus 的关键洞察：

“v1 依赖技能进行观测。技能是概率性的——它们的触发率约为 50-80%。v2 使用钩子进行观测（100% 可靠），并将本能作为学习行为的原子单位。”

潜在的 v2 增强功能

基于本能的学习 - 带有置信度评分的小型原子化行为
后台观测器 - 并行分析的 Haiku 智能体
置信度衰减 - 如果出现矛盾，本能将失去置信度
领域标签 - 代码风格、测试、git、调试等
演进路径 - 将相关的本能聚类为技能/命令

参见：/Users/affoon/Documents/tasks/12-continuous-learning-v2.md 以获取完整规范。

持续学习技能 continuous-learning