Continuous Learning V2

持续学习 v2.1 - 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 OpenAI Codex 会话转化为可重用的知识。

v2.1 新增了项目作用域的本能 — 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”）则全局共享。

何时激活

• 设置从 OpenAI Codex 会话自动学习
• 通过钩子配置基于本能的行为提取
• 调整已学习行为的置信度阈值
• 查看、导出或导入本能库
• 将本能进化为完整的技能、命令或代理
• 管理项目作用域与全局本能
• 将本能从项目作用域提升到全局作用域

v2.1 的新特性

v2 的新特性（对比 v1）

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"
scope: project
project_id: "a1b2c3d4e5f6"
project_name: "my-react-app"
---

# 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：

• 原子化 -- 一个触发条件，一个动作
• 置信度加权 -- 0.3 = 试探性，0.9 = 几乎确定
• 领域标记 -- 代码风格、测试、git、调试、工作流等
• 有证据支持 -- 追踪是哪些观察创建了它
• 作用域感知 -- project (默认) 或 global

工作原理

会话活动（在 git 仓库中）
      |
      | 钩子捕获提示 + 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、工具调用、结果、项目）               |
+---------------------------------------------+
      |
      | 观察者代理读取（后台，Fast）
      v
+---------------------------------------------+
|          模式检测                            |
|   * 用户修正 -> 直觉                          |
|   * 错误解决 -> 直觉                          |
|   * 重复工作流 -> 直觉                        |
|   * 范围决策：项目级或全局？                   |
+---------------------------------------------+
      |
      | 创建/更新
      v
+---------------------------------------------+
|  projects/<project-hash>/instincts/personal/ |
|   * prefer-functional.yaml (0.7) [项目]      |
|   * use-react-hooks.yaml (0.9) [项目]        |
+---------------------------------------------+
|  instincts/personal/  （全局）                |
|   * always-validate-input.yaml (0.85) [全局] |
|   * grep-before-edit.yaml (0.6) [全局]       |
+---------------------------------------------+
      |
      | /evolve 聚类 + /promote
      v
+---------------------------------------------+
|  projects/<hash>/evolved/ （项目范围）        |
|  evolved/ （全局）                            |
|   * commands/new-feature.md                  |
|   * skills/testing-workflow.md               |
|   * agents/refactor-specialist.md            |
+---------------------------------------------+

项目检测

系统会自动检测您当前的项目：

1. CODEX_PROJECT_DIR 环境变量 (最高优先级)
2. git remote get-url origin -- 哈希化以创建可移植的项目 ID (同一仓库在不同机器上获得相同的 ID)
3. git rev-parse --show-toplevel -- 使用仓库路径作为后备方案 (机器特定)
4. 全局后备方案 -- 如果未检测到项目，本能将进入全局作用域

每个项目都会获得一个 12 字符的哈希 ID (例如 a1b2c3d4e5f6)。~/.codex/homunculus/projects.json 处的注册表文件将 ID 映射到人类可读的名称。

快速开始

1. 启用观察钩子

添加到你的 ~/.codex/settings.json 中。

如果作为插件安装（推荐）：

不需要在 ~/.codex/settings.json 中额外添加 hooks。OpenAI Codex v2.1+ 会自动加载插件的 hooks/hooks.json，其中已经注册了 observe.sh。

如果您之前把 observe.sh 复制到了 ~/.codex/settings.json，请删除重复的 PreToolUse / PostToolUse 配置。重复注册会导致重复执行，并触发 ${CODEX_PLUGIN_ROOT} 解析错误，因为该变量只会在插件自己的 hooks/hooks.json 中展开。

如果手动安装到 ~/.codex/skills，请将以下内容添加到 ~/.codex/settings.json：

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

2. 初始化目录结构

系统会在首次使用时自动创建目录，但您也可以手动创建：

# Global directories
mkdir -p ~/.codex/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands},projects}

# Project directories are auto-created when the hook first runs in a git repo

3. 使用本能命令

/instinct-status     # Show learned instincts (project + global)
/evolve              # Cluster related instincts into skills/commands
/instinct-export     # Export instincts to file
/instinct-import     # Import instincts from others
/promote             # Promote project instincts to global scope
/projects            # List all known projects and their instinct counts

命令

配置

编辑 config.json 以控制后台观察器：

{
  "version": "2.1",
  "observer": {
    "enabled": false,
    "run_interval_minutes": 5,
    "min_observations_to_analyze": 20
  }
}

其他行为 (观察捕获、本能阈值、项目作用域、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

~/.codex/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      # 全局观察记录（备用）
+-- instincts/
|   +-- personal/           # 全局自动学习的本能
|   +-- inherited/          # 全局导入的本能
+-- evolved/
|   +-- agents/             # 全局生成的代理
|   +-- 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 远程 URL）
    |   +-- project.json    # 项目级元数据镜像（ID/名称/根目录/远程地址）
    |   +-- observations.jsonl
    |   +-- observations.archive/
    |   +-- instincts/
    |   |   +-- personal/   # 项目特定自动学习的
    |   |   +-- inherited/  # 项目特定导入的
    |   +-- evolved/
    |       +-- skills/
    |       +-- commands/
    |       +-- agents/
    +-- f6e5d4c3b2a1/       # 另一个项目
        +-- ...

作用域决策指南

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，它就有资格被提升到全局作用域。

自动提升标准：

• 相同的本能 ID 出现在 2+ 个项目中
• 平均置信度 >= 0.8

如何提升：

# Promote a specific instinct
python3 instinct-cli.py promote prefer-explicit-errors

# Auto-promote all qualifying instincts
python3 instinct-cli.py promote

# Preview without changes
python3 instinct-cli.py promote --dry-run

/evolve 命令也会建议可提升的候选本能。

置信度评分

置信度随时间演变：

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 依赖技能来观察。技能是概率性的 -- 根据 Codex 的判断，它们触发的概率约为 50-80%。"

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

v2.1 与 v2.0 和 v1 完全兼容：

• ~/.codex/homunculus/instincts/ 中现有的全局本能仍然作为全局本能工作
• 来自 v1 的现有 ~/.codex/skills/learned/ 技能仍然有效
• 停止钩子仍然运行 (但现在也会输入到 v2)
• 逐步迁移：并行运行两者

隐私

• 观察结果本地保留在您的机器上
• 项目作用域的本能按项目隔离
• 只有本能 (模式) 可以被导出 — 而不是原始观察数据
• 不会共享实际的代码或对话内容
• 您控制导出和提升的内容

相关链接

• 技能创建器 - 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、本能进化管道）
• 长篇指南 - 持续学习部分

基于本能的学习：一次一个项目，教会 Codex 您的模式。