---

name: continuous-learning description: "[已弃用 - 请使用 continuous-learning-v2] 旧版 v1 停止钩子技能提取器。v2 是严格超集，具备基于本能的、项目范围的、钩子可靠的学习能力。请勿调用 v1；将持续学习、会话学习和模式提取请求路由到 continuous-learning-v2。" origin: ECC

持续学习技能 - 已弃用

2026-04-28 已弃用。 请改用 continuous-learning-v2。v2 是严格超集：停止钩子观察变为 PreToolUse/PostToolUse 观察，完整技能变为带置信度评分的原子本能，仅全局存储变为项目范围加全局提升。

本文件保留用于存档参考和与现有安装的向后兼容。

---

原始 v1 文档（存档）

在会话结束时自动评估 Claude Code 会话，提取可复用的模式并保存为已学习技能。

何时激活

• 设置从 Claude Code 会话自动提取模式
• 配置用于会话评估的 Stop 钩子
• 审查或管理 ~/.claude/skills/learned/ 中的已学习技能
• 调整提取阈值或模式类别
• 比较 v1（本版本）与 v2（基于本能）的方法

状态

此 v1 技能仍受支持，但 continuous-learning-v2 是新安装的首选路径。当你明确需要更简单的 Stop 钩子提取流程或需要与旧版已学习技能工作流兼容时，保留 v1。

工作原理

此技能作为 Stop 钩子 在每次会话结束时运行：

1. 会话评估：检查会话是否有足够的消息（默认：10条以上）
2. 模式检测：从会话中识别可提取的模式
3. 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

| 模式 | 描述 | |------|------| | error_resolution | 特定错误的解决方式 | | user_corrections | 来自用户纠正的模式 | | workarounds | 框架/库问题的变通方案 | | debugging_techniques | 有效的调试方法 | | project_specific | 项目特定的约定 |

钩子设置

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 钩子？

• 轻量级：仅在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：可访问完整的会话记录

相关资源

• 长文指南 - 持续学习章节
• /learn 命令 - 会话中手动提取模式

---

对比说明（研究：2025年1月）

与 Homunculus 对比

Homunculus v2 采用了更复杂的方法：

| 特性 | 我们的方法 | Homunculus v2 | |------|-----------|---------------| | 观察方式 | Stop 钩子（会话结束） | PreToolUse/PostToolUse 钩子（100% 可靠） | | 分析方式 | 主上下文 | 后台代理（Haiku） | | 粒度 | 完整技能 | 原子"本能" | | 置信度 | 无 | 0.3-0.9 加权 | | 演化路径 | 直接生成技能 | 本能 → 聚类 → 技能/命令/代理 | | 共享 | 无 | 导出/导入本能 |

来自 Homunculus 的关键洞察：

"v1 依赖技能进行观察。技能是概率性的——触发率约 50-80%。v2 使用钩子进行观察（100% 可靠），并将本能作为已学习行为的原子单元。"

潜在 v2 增强方向

1. 基于本能的学习 - 更小的原子行为，带置信度评分
2. 后台观察者 - Haiku 代理并行分析
3. 置信度衰减 - 被反驳时本能置信度降低
4. 领域标签 - 代码风格、测试、git、调试等
5. 演化路径 - 将相关本能聚类为技能/命令

参见：docs/continuous-learning-v2-spec.md 获取完整规范。