Learn-skills.dev continuous-learning

自动从 Claude Code 会话中提取可重用模式，并将其保存为 learned skills 供将来使用。

install

source · Clone the upstream repo

git clone https://github.com/NeverSight/learn-skills.dev

Claude Code · Install into ~/.claude/skills/

T=$(mktemp -d) && git clone --depth=1 https://github.com/NeverSight/learn-skills.dev "$T" && mkdir -p ~/.claude/skills && cp -r "$T/data/skills-md/aaione/everything-claude-code-zh/continuous-learning" ~/.claude/skills/neversight-learn-skills-dev-continuous-learning-60f198 && rm -rf "$T"

manifest: data/skills-md/aaione/everything-claude-code-zh/continuous-learning/SKILL.md

source content

持续学习技能 (Continuous Learning Skill)

自动在结束时评估 Claude Code 会话，以提取可重用模式并将其保存为 learned skills。

工作原理

此技能作为 Stop hook 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+)
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

Pattern	Description
`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/库怪癖的解决方案
`debugging_techniques`	有效的调试方法
`project_specific`	项目特定约定

Hook 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 Stop Hook?

轻量级: 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

比较说明 (Research: Jan 2025)

vs Homunculus (github.com/humanplane/homunculus)

Homunculus v2 采取了更复杂的方法：

Feature	Our Approach	Homunculus v2
观察 (Observation)	Stop hook (会话结束)	PreToolUse/PostToolUse hooks (100% 可靠)
分析 (Analysis)	主上下文	后台 agent (Haiku)
粒度 (Granularity)	完整技能	原子 "instincts" (本能)
置信度 (Confidence)	无	0.3-0.9 加权
演进 (Evolution)	直接从 skill	Instincts → cluster → skill/command/agent
共享 (Sharing)	无	导出/导入 instincts

来自 homunculus 的关键见解:

"v1 依靠技能进行观察。技能是概率性的——它们大约 50-80% 的时间触发。v2 使用 hooks 进行观察（100% 可靠）并将 instincts 作为学习行为的原子单位。"

潜在 v2 增强功能

基于 Instinct 的学习 - 具有置信度评分的更小、原子行为
后台观察者 - 并行分析的 Haiku agent
置信度衰减 - 如果 instincts 被反驳，置信度会降低
领域标记 - code-style, testing, git, debugging, etc.
演进路径 - 将相关的 instincts 聚类为 skills/commands

参见:

/Users/affoon/Documents/tasks/12-continuous-learning-v2.md

获取完整规范。