Files
everything-claude-code-zh/skills/continuous-learning-v2/SKILL.md

285 lines
9.4 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
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
- **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 <file>` | 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。*