gabrielmoreira 持续学习（Continuous Learning）v2.1 - 基于本能（Instinct）的架构
一个先进的学习系统，通过原子级“本能（Instincts）”——带有置信度评分的小型学习行为，将你的 Claude Code 会话转化为可复用的知识。
v2.1 增加了 项目作用域本能（project-scoped instincts） —— React 模式保留在你的 React 项目中，Python 约定保留在你的 Python 项目中，而通用模式（如“始终验证输入”）则在全局共享。
何时激活
- 设置从 Claude Code 会话中自动学习
- 配置通过钩子（hooks）提取基于本能的行为
- 调整学习行为的置信度阈值
- 查看、导出或导入本能库
- 将本能演化为完整的技能（Skills）、命令（Commands）或智能体（Agents）
- 管理项目作用域与全局本能
- 将本能从项目作用域提升（Promote）到全局作用域
v2.1 的新特性
| 特性 | v2.0 | v2.1 |
|---|---|---|
| 存储 | 全局 (~/.claude/homunculus/) | 项目作用域 (projects//) |
| 作用域 | 所有本能应用于所有地方 | 项目作用域 + 全局 |
| 检测 | 无 | git remote URL / 仓库路径 |
| 提升 | 不适用 | 当在 2 个以上项目中看到时，由项目 → 全局 |
| 命令 | 4 个 (status/evolve/export/import) | 6 个 (+promote/projects) |
| 跨项目 | 存在污染风险 | 默认隔离 |
v2 的新特性（对比 v1）
| 特性 | v1 | v2 |
|---|---|---|
| 观察 | Stop 钩子（会话结束） | PreToolUse/PostToolUse (100% 可靠) |
| 分析 | 主上下文 | 后台智能体 (Haiku) |
| 粒度 | 完整技能 | 原子级“本能” |
| 置信度 | 无 | 0.3-0.9 加权 |
| 演化 | 直接到技能 | 本能 -> 聚类 -> 技能/命令/智能体 |
| 分享 | 无 | 导出/导入本能 |
本能模型（The Instinct Model）
本能是一个小型学习行为：
---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
scope: project
project_id: "a1b2c3d4e5f6"
project_name: "my-react-app"
---
# 偏好函数式风格
## 动作（Action）
在适当时使用函数式模式而非类（classes）。
## 证据（Evidence）
- 观察到 5 次偏好函数式模式的实例
- 用户在 2025-01-15 将基于类的方案纠正为函数式
属性：
- 原子性（Atomic） —— 一个触发器，一个动作
- 置信度加权（Confidence-weighted） —— 0.3 = 尝试性， 0.9 = 几乎确定
- 领域标签（Domain-tagged） —— code-style, testing, git, debugging, workflow 等
- 证据支持（Evidence-backed） —— 追踪哪些观察结果创建了它
- 作用域感知（Scope-aware） ——
project（默认）或global
工作原理
会话活动 (在 git 仓库中)
|
| 钩子（Hooks）捕获提示词 + 工具使用 (100% 可靠)
| + 检测项目上下文 (git remote / 仓库路径)
v
+---------------------------------------------+
| projects/<project-hash>/observations.jsonl |
| (提示词, 工具调用, 结果, 项目) |
+---------------------------------------------+
|
| 观察者智能体读取 (后台, Haiku)
v
+---------------------------------------------+
| 模式检测 |
| * 用户纠正 -> 本能 |
| * 错误解决 -> 本能 |
| * 重复工作流 -> 本能 |
| * 作用域决策：项目还是全局？ |
+---------------------------------------------+
|
| 创建/更新
v
+---------------------------------------------+
| projects/<project-hash>/instincts/personal/ |
| * prefer-functional.yaml (0.7) [project] |
| * use-react-hooks.yaml (0.9) [project] |
+---------------------------------------------+
| instincts/personal/ (全局 GLOBAL) |
| * always-validate-input.yaml (0.85) [global]|
| * grep-before-edit.yaml (0.6) [global] |
+---------------------------------------------+
|
| /evolve 聚类 + /promote 提升
v
+---------------------------------------------+
| projects/<hash>/evolved/ (项目作用域) |
| evolved/ (全局) |
| * commands/new-feature.md |
| * skills/testing-workflow.md |
| * agents/refactor-specialist.md |
+---------------------------------------------+
项目检测（Project Detection）
系统会自动检测你当前的项目：
CLAUDE_PROJECT_DIR环境变量 (最高优先级)git remote get-url origin—— 通过哈希创建可移植的项目 ID (不同机器上的同一仓库获得相同的 ID)git rev-parse --show-toplevel—— 使用仓库路径作为回退方案 (机器特定)- 全局回退 —— 如果未检测到项目，本能将进入全局作用域
每个项目获得一个 12 位的哈希 ID (例如 a1b2c3d4e5f6)。位于 ~/.claude/homunculus/projects.json 的注册文件将 ID 映射到人类可读的名称。
快速开始
1. 启用观察钩子（Observation Hooks）
添加到你的 ~/.claude/settings.json。
如果作为插件安装 (推荐):
{
"hooks": {
"PreToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh"
}]
}],
"PostToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh"
}]
}]
}
}
如果手动安装 到 ~/.claude/skills:
{
"hooks": {
"PreToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
}]
}],
"PostToolUse": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
}]
}]
}
}
2. 初始化目录结构
系统在首次使用时会自动创建目录，但你也可以手动创建：
# 全局目录
mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands},projects}
# 项目目录会在钩子首次在 git 仓库中运行时自动创建
3. 使用本能命令
/instinct-status # 显示已学习的本能 (项目 + 全局)
/evolve # 将相关的本能聚类为技能/命令
/instinct-export # 将本能导出到文件
/instinct-import # 从他人处导入本能
/promote # 将项目本能提升到全局作用域
/projects # 列出所有已知的项目及其本能数量
命令
| 命令 | 描述 |
|---|---|
/instinct-status |
显示所有本能 (项目作用域 + 全局) 及其置信度 |
/evolve |
将相关的本能聚类为技能/命令，并建议提升 |
/instinct-export |
导出本能 (可按作用域/领域过滤) |
/instinct-import <file> |
带有作用域控制地导入本能 |
/promote [id] |
将项目本能提升到全局作用域 |
/projects |
列出所有已知的项目及其本能数量 |
配置
编辑 config.json 以控制后台观察者：
{
"version": "2.1",
"observer": {
"enabled": false,
"run_interval_minutes": 5,
"min_observations_to_analyze": 20
}
}
| 键名 | 默认值 | 描述 |
|---|---|---|
observer.enabled |
false |
启用后台观察者智能体 |
observer.run_interval_minutes |
5 |
观察者分析观察结果的频率 |
observer.min_observations_to_analyze |
20 |
分析运行前最少需要的观察次数 |
其他行为 (观察捕获、本能阈值、项目作用域划分、提升标准) 通过 instinct-cli.py 和 observe.sh 中的代码默认值进行配置。
文件结构
~/.claude/homunculus/
+-- identity.json # 你的个人资料，技术水平
+-- projects.json # 注册表：项目哈希 -> 名称/路径/远程地址
+-- observations.jsonl # 全局观察结果 (回退方案)
+-- instincts/
| +-- personal/ # 全局自动学习的本能
| +-- inherited/ # 全局导入的本能
+-- evolved/
| +-- agents/ # 全局生成的智能体
| +-- skills/ # 全局生成的技能
| +-- commands/ # 全局生成的命令
+-- projects/
+-- a1b2c3d4e5f6/ # 项目哈希 (来自 git remote URL)
| +-- observations.jsonl
| +-- observations.archive/
| +-- instincts/
| | +-- personal/ # 项目特定的自动学习
| | +-- inherited/ # 项目特定的导入
| +-- evolved/
| +-- skills/
| +-- commands/
| +-- agents/
+-- f6e5d4c3b2a1/ # 另一个项目
+-- ...
作用域决策指南
| 模式类型 | 作用域 | 示例 |
|---|---|---|
| 语言/框架约定 | 项目 (project) | "使用 React hooks", "遵循 Django REST 模式" |
| 文件结构偏好 | 项目 (project) | "测试文件位于 __tests__/", "组件位于 src/components/" |
| 代码风格 | 项目 (project) | "使用函数式风格", "偏好数据类 (dataclasses)" |
| 错误处理策略 | 项目 (project) | "使用 Result 类型处理错误" |
| 安全实践 | 全局 (global) | "验证用户输入", "清理 SQL (Sanitize SQL)" |
| 通用最佳实践 | 全局 (global) | "先写测试", "始终处理错误" |
| 工具工作流偏好 | 全局 (global) | "修改前先 Grep", "写入前先读取" |
| Git 实践 | 全局 (global) | "约定式提交", "小型专注的提交" |
本能提升 (项目 -> 全局)
当同一个本能在多个项目中以高置信度出现时，它是提升到全局作用域的候选者。
自动提升标准：
- 相同的本能 ID 出现在 2 个以上项目中
- 平均置信度 >= 0.8
如何提升：
# 提升特定的本能
python3 instinct-cli.py promote prefer-explicit-errors
# 自动提升所有符合条件的本能
python3 instinct-cli.py promote
# 预览而不应用更改
python3 instinct-cli.py promote --dry-run
/evolve 命令也会建议提升候选者。
置信度评分
置信度随时间演化：
| 分数 | 含义 | 行为 |
|---|---|---|
| 0.3 | 尝试性 | 建议但不强制执行 |
| 0.5 | 中等 | 在相关时应用 |
| 0.7 | 强 | 自动批准应用 |
| 0.9 | 几乎确定 | 核心行为 |
置信度增加 当：
- 模式被重复观察到
- 用户未纠正建议的行为
- 来自其他来源的类似本能达成一致
置信度降低 当：
- 用户明确纠正该行为
- 长期未观察到该模式
- 出现矛盾证据
为什么使用钩子（Hooks）而非技能（Skills）进行观察？
"v1 依赖技能进行观察。技能是概率性的 —— 基于 Claude 的判断，它们大约有 50-80% 的触发率。"
钩子（Hooks）是 100% 触发 的，具有确定性。这意味着：
- 每一个工具调用都被观察到
- 不会遗漏任何模式
- 学习是全面的
向后兼容性
v2.1 完全兼容 v2.0 和 v1：
~/.claude/homunculus/instincts/中现有的全局本能仍作为全局本能工作- v1 中现有的
~/.claude/skills/learned/技能仍可工作 - Stop 钩子仍运行 (但现在也向 v2 提供数据)
- 平滑迁移：并行运行两者
隐私
- 观察结果保存在你的机器 本地
- 项目作用域本能按项目隔离
- 只有 本能 (模式) 可以被导出 —— 而不是原始观察结果
- 不会分享实际的代码或对话内容
- 你可以控制哪些内容被导出和提升
相关内容
- Skill Creator - 从仓库历史生成本能
- Homunculus - 启发了 v2 基于本能的架构的社区项目 (原子观察、置信度评分、本能演化流水线)
- 长篇指南 (The Longform Guide) - 持续学习章节
基于本能的学习：教会 Claude 你的模式，一次一个项目。