--- name: continuous-learning-v2 description: 基于直觉（Instinct）的学习系统，通过钩子（Hooks）观测会话，创建带有置信度评分（Confidence Scoring）的原子直觉，并将其演进为技能（Skills）、命令（Commands）或智能体（Agents）。 version: 2.0.0 --- # 持续学习 v2 - 基于直觉的架构（Instinct-Based Architecture） 这是一个先进的学习系统，通过原子化“直觉（Instincts）”——即带有置信度评分的小型习得行为，将你的 Claude Code 会话转化为可复用的知识。 ## v2 版本新特性 | 特性 | v1 | v2 | |---------|----|----| | 观测（Observation） | Stop 钩子（会话结束时） | PreToolUse/PostToolUse (100% 可靠) | | 分析（Analysis） | 主上下文（Main context） | 后台智能体 (Haiku) | | 粒度（Granularity） | 完整技能（Full skills） | 原子化“直觉（Instincts）” | | 置信度（Confidence） | 无 | 0.3-0.9 加权评分 | | 演进（Evolution） | 直接转化为技能 | 直觉 → 聚类 → 技能/命令/智能体 | | 共享（Sharing） | 无 | 导出/导入直觉 | ## 直觉模型（The Instinct Model） 直觉（Instinct）是一种小型习得行为： ```yaml --- id: prefer-functional-style trigger: "when writing new functions" confidence: 0.7 domain: "code-style" source: "session-observation" --- # 偏好函数式风格（Prefer Functional Style） ## 动作（Action） 在合适的情况下，优先使用函数式模式（Functional Patterns）而非类（Classes）。 ## 证据（Evidence） - 观测到 5 次函数式模式偏好实例 - 用户在 2025-01-15 将基于类的方法修正为函数式方法 ``` **属性：** - **原子化（Atomic）** — 一个触发器对应一个动作 - **置信度加权（Confidence-weighted）** — 0.3 = 尝试性的，0.9 = 近乎确定 - **领域标签（Domain-tagged）** — 代码风格（code-style）、测试（testing）、git、调试（debugging）、工作流（workflow）等 - **证据支持（Evidence-backed）** — 追踪是哪些观测结果创建了它 ## 工作原理 ``` 会话活动（Session Activity） │ │ 钩子（Hooks）捕获提示词 + 工具使用 (100% 可靠) ▼ ┌─────────────────────────────────────────┐ │ observations.jsonl │ │ (提示词、工具调用、执行结果) │ └─────────────────────────────────────────┘ │ │ 观测者智能体读取 (后台运行, Haiku) ▼ ┌─────────────────────────────────────────┐ │ 模式检测（PATTERN DETECTION） │ │ • 用户修正 → 直觉 │ │ • 错误解决 → 直觉 │ │ • 重复工作流 → 直觉 │ └─────────────────────────────────────────┘ │ │ 创建/更新 ▼ ┌─────────────────────────────────────────┐ │ instincts/personal/ │ │ • prefer-functional.md (0.7) │ │ • always-test-first.md (0.9) │ │ • use-zod-validation.md (0.6) │ └─────────────────────────────────────────┘ │ │ /evolve 聚类 ▼ ┌─────────────────────────────────────────┐ │ evolved/ │ │ • commands/new-feature.md │ │ • skills/testing-workflow.md │ │ • agents/refactor-specialist.md │ └─────────────────────────────────────────┘ ``` ## 快速入门 ### 1. 启用观测钩子（Observation Hooks） 将以下内容添加到你的 `~/.claude/settings.json` 中。 **如果作为插件安装**（推荐）： ```json { "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`： ```json { "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： ```bash mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands}} touch ~/.claude/homunculus/observations.jsonl ``` ### 3. 使用直觉命令 ```bash /instinct-status # 显示已习得的直觉及其置信度评分 /evolve # 将相关的直觉聚类为技能/命令 /instinct-export # 导出直觉以便分享 /instinct-import # 从他人处导入直觉 ``` ## 命令（Commands） | 命令 | 描述 | |---------|-------------| | `/instinct-status` | 显示所有已习得的直觉及置信度 | | `/evolve` | 将相关的直觉聚类为技能/命令 | | `/instinct-export` | 导出直觉以便分享 | | `/instinct-import ` | 从他人处导入直觉 | ## 配置（Configuration） 编辑 `config.json`： ```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 # 你的个人资料、技术水平 ├── observations.jsonl # 当前会话观测结果 ├── observations.archive/ # 已处理的观测结果 ├── instincts/ │ ├── personal/ # 自动习得的直觉 │ └── inherited/ # 从他人处导入的直觉 └── evolved/ ├── agents/ # 生成的专家智能体 ├── skills/ # 生成的技能 └── commands/ # 生成的命令 ``` ## 与 Skill Creator 集成 当你使用 [Skill Creator GitHub App](https://skill-creator.app) 时，它现在会**同时**生成： - 传统的 SKILL.md 文件（用于向下兼容） - 直觉集合（用于 v2 学习系统） 来自仓库分析的直觉具有 `source: "repo-analysis"` 属性，并包含源仓库 URL。 ## 置信度评分（Confidence Scoring） 置信度随时间演进： | 分数 | 含义 | 行为 | |-------|---------|----------| | 0.3 | 尝试性的（Tentative） | 建议但不强制执行 | | 0.5 | 中等（Moderate） | 在相关时应用 | | 0.7 | 强（Strong） | 自动批准应用 | | 0.9 | 近乎确定（Near-certain） | 核心行为 | **置信度增加**的情况： - 模式被重复观测到 - 用户没有修正建议的行为 - 来自其他来源的类似直觉达成一致 **置信度降低**的情况： - 用户明确修正了该行为 - 模式长时间未被观测到 - 出现矛盾的证据 ## 为什么使用钩子（Hooks）而非技能（Skills）进行观测？ > "v1 依赖技能进行观测。技能具有概率性——根据 Claude 的判断，其触发率约为 50-80%。" 钩子（Hooks）的触发是 **100% 确定性的**。这意味着： - 每一个工具调用都会被观测到 - 不会遗漏任何模式 - 学习是全面的 ## 向下兼容性 v2 完全兼容 v1： - 现有的 `~/.claude/skills/learned/` 技能仍然有效 - Stop 钩子仍然运行（但现在也会为 v2 提供输入） - 渐进式迁移路径：两者并行运行 ## 隐私（Privacy） - 观测结果保存在你本地机器上 - 只有**直觉**（模式）可以被导出 - 不会分享实际的代码或对话内容 - 你可以控制导出的内容 ## 相关链接 - [Skill Creator](https://skill-creator.app) - 从仓库历史生成直觉 - [Homunculus](https://github.com/humanplane/homunculus) - v2 架构的灵感来源 - [长篇指南（The Longform Guide）](https://x.com/affaanmustafa/status/2014040193557471352) - 持续学习章节 --- *基于直觉的学习：通过每一次观测，教会 Claude 你的模式。*