continuous-learning-v2

基于本能的学习系统，通过钩子观察会话，创建具有置信度评分的原子本能，并将其进化为技能/命令/代理。

Quality

50%

Does it follow best practices?

Run evals on this skill

Adds up to 20 points to the overall score

View guide

Securityby

Passed

No findings from the security scan

Fix and improve this skill with Tessl

tessl review fix ./docs/zh-CN/skills/continuous-learning-v2/SKILL.md

持续学习 v2 - 基于本能的架构

一个高级学习系统，通过原子化的“本能”——带有置信度评分的小型习得行为——将你的 Claude Code 会话转化为可重用的知识。

部分灵感来源于 humanplane (credit: @humanplane) 的 Homunculus 项目。

何时激活

设置从 Claude Code 会话中自动学习时
通过钩子配置基于本能的行为提取时
调整学习行为的置信度阈值时
审查、导出或导入本能库时
将本能进化为完整技能、命令或代理时

v2 的新特性

特性	v1	v2
观察	停止钩子（会话结束）	工具使用前/后（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 → 聚类 → 技能/命令/代理
共享	无	导出/导入本能

本能模型

一个本能是一个小型习得行为：

---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
---

# Prefer Functional Style

## Action
Use functional patterns over classes when appropriate.

## Evidence
- Observed 5 instances of functional pattern preference
- User corrected class-based approach to functional on 2025-01-15

属性：

原子性 — 一个触发条件，一个动作
置信度加权 — 0.3 = 尝试性的，0.9 = 近乎确定
领域标记 — 代码风格、测试、git、调试、工作流等
证据支持 — 追踪是哪些观察创建了它

工作原理

Session Activity
      │
      │ Hooks capture prompts + tool use (100% reliable)
      ▼
┌─────────────────────────────────────────┐
│         observations.jsonl              │
│   (prompts, tool calls, outcomes)       │
└─────────────────────────────────────────┘
      │
      │ Observer agent reads (background, Haiku)
      ▼
┌─────────────────────────────────────────┐
│          PATTERN DETECTION              │
│   • User corrections → instinct         │
│   • Error resolutions → instinct        │
│   • Repeated workflows → instinct       │
└─────────────────────────────────────────┘
      │
      │ Creates/updates
      ▼
┌─────────────────────────────────────────┐
│         instincts/personal/             │
│   • prefer-functional.md (0.7)          │
│   • always-test-first.md (0.9)          │
│   • use-zod-validation.md (0.6)         │
└─────────────────────────────────────────┘
      │
      │ /evolve clusters
      ▼
┌─────────────────────────────────────────┐
│              evolved/                   │
│   • commands/new-feature.md             │
│   • skills/testing-workflow.md          │
│   • agents/refactor-specialist.md       │
└─────────────────────────────────────────┘

快速开始

1. 启用观察钩子

添加到你的 ~/.claude/settings.json 中。

如果作为插件安装（推荐）：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh pre"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh post"
      }]
    }]
  }
}

如果手动安装到 ~/.claude/skills：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh pre"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh post"
      }]
    }]
  }
}

2. 初始化目录结构

Python CLI 会自动创建这些目录，但你也可以手动创建：

mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands}}
touch ~/.claude/homunculus/observations.jsonl

3. 使用本能命令

/instinct-status     # Show learned instincts with confidence scores
/evolve              # Cluster related instincts into skills/commands
/instinct-export     # Export instincts for sharing
/instinct-import     # Import instincts from others

命令

命令	描述
`/instinct-status`	显示所有已习得的本能及其置信度
`/evolve`	将相关本能聚类为技能/命令
`/instinct-export`	导出本能用于共享
`/instinct-import <file>`	从他人处导入本能

配置

编辑 config.json：

{
  "version": "2.0",
  "observation": {
    "enabled": true,
    "store_path": "~/.claude/homunculus/observations.jsonl",
    "max_file_size_mb": 10,
    "archive_after_days": 7
  },
  "instincts": {
    "personal_path": "~/.claude/homunculus/instincts/personal/",
    "inherited_path": "~/.claude/homunculus/instincts/inherited/",
    "min_confidence": 0.3,
    "auto_approve_threshold": 0.7,
    "confidence_decay_rate": 0.05
  },
  "observer": {
    "enabled": true,
    "model": "haiku",
    "run_interval_minutes": 5,
    "patterns_to_detect": [
      "user_corrections",
      "error_resolutions",
      "repeated_workflows",
      "tool_preferences"
    ]
  },
  "evolution": {
    "cluster_threshold": 3,
    "evolved_path": "~/.claude/homunculus/evolved/"
  }
}

文件结构

~/.claude/homunculus/
├── identity.json           # Your profile, technical level
├── observations.jsonl      # Current session observations
├── observations.archive/   # Processed observations
├── instincts/
│   ├── personal/           # Auto-learned instincts
│   └── inherited/          # Imported from others
└── evolved/
    ├── agents/             # Generated specialist agents
    ├── skills/             # Generated skills
    └── commands/           # Generated commands

与技能创建器的集成

当你使用技能创建器 GitHub 应用时，它现在会生成两者：

传统的 SKILL.md 文件（用于向后兼容）
本能集合（用于 v2 学习系统）

来自仓库分析的本能带有 source: "repo-analysis" 标记，并包含源仓库 URL。

置信度评分

置信度随时间演变：

分数	含义	行为
0.3	尝试性的	建议但不强制执行
0.5	中等的	相关时应用
0.7	强烈的	自动批准应用
0.9	近乎确定的	核心行为

置信度增加当：

模式被反复观察到
用户未纠正建议的行为
来自其他来源的相似本能一致

置信度降低当：

用户明确纠正该行为
长时间未观察到该模式
出现矛盾证据

为什么用钩子而非技能进行观察？

“v1 依赖技能进行观察。技能是概率性的——它们基于 Claude 的判断，大约有 50-80% 的概率触发。”

钩子100% 触发，是确定性的。这意味着：

每次工具调用都被观察到
不会错过任何模式
学习是全面的

向后兼容性

v2 与 v1 完全兼容：

现有的 ~/.claude/skills/learned/ 技能仍然有效
停止钩子仍然运行（但现在也输入到 v2）
渐进式迁移路径：并行运行两者

隐私

观察数据保留在你的本地机器上
只有本能（模式）可以被导出
不会共享实际的代码或对话内容
你控制导出的内容