Everything-claude-code-zh continuous-learning

Automatically extract reusable patterns from Claude Code sessions and save them as learned skills for future use.

install

source · Clone the upstream repo

git clone https://github.com/xu-xiang/everything-claude-code-zh

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

T=$(mktemp -d) && git clone --depth=1 https://github.com/xu-xiang/everything-claude-code-zh "$T" && mkdir -p ~/.claude/skills && cp -r "$T/docs/zh-TW/skills/continuous-learning" ~/.claude/skills/xu-xiang-everything-claude-code-zh-continuous-learning-8c1022 && rm -rf "$T"

manifest: docs/zh-TW/skills/continuous-learning/SKILL.md

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：

工作階段評估：檢查工作階段是否有足夠訊息（預設：10+ 則）
模式偵測：從工作階段識別可提取的模式
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

模式	描述
`error_resolution`	特定錯誤如何被解決
`user_corrections`	來自使用者修正的模式
`workarounds`	框架/函式庫怪異問題的解決方案
`debugging_techniques`	有效的除錯方法
`project_specific`	專案特定慣例

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

比較筆記（研究：2025 年 1 月）

vs Homunculus

Homunculus v2 採用更複雜的方法：

功能	我們的方法	Homunculus v2
觀察	Stop hook（工作階段結束）	PreToolUse/PostToolUse hooks（100% 可靠）
分析	主要上下文	背景 agent（Haiku）
粒度	完整技能	原子「本能」
信心	無	0.3-0.9 加權
演化	直接到技能	本能 → 聚類 → 技能/指令/agent
分享	無	匯出/匯入本能

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

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

參見：

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

完整規格。