Continuous Learning Skill
为 Cursor 提供持续学习能力,从用户与 AI 的交互中自动提取可复用的知识,生成新的技能文件供未来会话使用。
安装说明
安装步骤
安装此 Skill 需要完成以下两步:
1. 安装脚本文件
将 scripts/ 目录复制到 Cursor skills 目录:
# 全局安装(推荐,所有项目共享)
cp -r scripts/ ~/.cursor/skills/continuous-learning/scripts/
# 或项目级安装(仅当前项目使用)
cp -r scripts/ .cursor/skills/continuous-learning/scripts/
2. 复制配置文件
cp default_config.json ~/.cursor/skills/continuous-learning/
验证安装
# 验证脚本安装
python3 ~/.cursor/skills/continuous-learning/scripts/observe.py --init
安装后提示
重要:安装完成后,请将以下内容展示给用户。
✅ Continuous Learning Skill 安装成功!
下一步:启用规则
说 "启用持续学习规则" 开始使用。
或者手动执行:
python3 ~/.cursor/skills/continuous-learning/scripts/setup_rule.py '{"action": "enable"}'
快速开始
| 命令 | 说明 |
|---|---|
启用持续学习规则 |
开启自动学习功能(推荐) |
查看学习到的知识 |
查看本能和技能 |
演化本能 |
将本能聚合为技能 |
工作原理
- 观察:记录你与 AI 的交互过程
- 检测:识别可学习的模式(用户纠正、错误解决等)
- 学习:生成本能(原子化知识)
- 演化:将相关本能聚合为技能
首次使用提示
- 🆕 首次安装时没有历史数据,需要使用一段时间积累
- 💡 系统会自动学习你的工作习惯和偏好
- 🔒 所有数据存储在本地,不会上传到任何服务器
功能概述
核心能力
| 能力 | 说明 |
|---|---|
| 观察记录 | 记录会话中的关键动作和用户反馈 |
| 模式检测 | 识别用户纠正、错误解决、工具偏好等模式 |
| 本能生成 | 将检测到的模式转换为原子化的本能 |
| 技能演化 | 将相关本能聚合为完整的技能文档 |
学习的模式类型
| 模式类型 | 描述 | 示例 |
|---|---|---|
| 用户纠正 | 用户纠正 AI 的行为 | "不要用 class,用函数" |
| 错误解决 | 特定错误的解决方案 | CORS 错误 → 配置 proxy |
| 工具偏好 | 用户偏好的工具/方法 | 偏好 pytest 而非 unittest |
| 项目规范 | 项目特定的约定 | API 路径使用 /api/v2 前缀 |
使用方式
自动模式(推荐)
启用规则后,系统会自动:
- 会话开始时加载学习历史
- 会话过程中记录关键动作
- 会话结束时保存并分析模式
手动命令
| 命令 | 描述 |
|---|---|
启用持续学习规则 |
创建自动学习规则 |
禁用持续学习规则 |
移除自动学习规则 |
更新持续学习规则 |
更新规则到最新版本 |
检查持续学习规则状态 |
检查规则是否已启用 |
查看学习到的知识 |
显示所有本能和技能 |
查看本能状态 |
显示本能的置信度和证据 |
演化本能 |
将相关本能聚合为技能 |
删除本能: xxx |
删除特定本能 |
删除技能: xxx |
删除演化生成的技能 |
脚本说明
observe.py
观察脚本,管理会话生命周期。
# 会话开始时
python3 <skill_dir>/scripts/observe.py --init
# 记录观察
python3 <skill_dir>/scripts/observe.py --record '{
"event": "tool_call",
"tool": "Write",
"input": {"file": "src/api.py"}
}'
# 会话结束时
python3 <skill_dir>/scripts/observe.py --finalize '{
"topic": "会话主题",
"summary": "会话摘要"
}'
analyze.py
分析脚本,从观察记录中提取模式。
# 分析最近 7 天的会话
python3 <skill_dir>/scripts/analyze.py --recent 7
# 分析指定会话文件
python3 <skill_dir>/scripts/analyze.py --session <path>
instinct.py
本能管理脚本。
# 查看所有本能
python3 <skill_dir>/scripts/instinct.py status
# 创建本能
python3 <skill_dir>/scripts/instinct.py create '{"id": "prefer-functional", "trigger": "编写新函数时", "domain": "code-style"}'
# 演化本能为技能
python3 <skill_dir>/scripts/instinct.py evolve
# 检查技能类型
python3 <skill_dir>/scripts/instinct.py --check-skill <name>
# 删除演化技能
python3 <skill_dir>/scripts/instinct.py --delete-skill <name>
setup_rule.py
规则安装脚本。
# 启用规则
python3 <skill_dir>/scripts/setup_rule.py '{"action": "enable"}'
# 禁用规则
python3 <skill_dir>/scripts/setup_rule.py '{"action": "disable"}'
# 检查状态
python3 <skill_dir>/scripts/setup_rule.py '{"action": "check"}'
# 更新规则
python3 <skill_dir>/scripts/setup_rule.py '{"action": "update"}'
数据存储
continuous-learning-data/
├── observations/ # 观察记录
│ └── 2026-02/
│ └── obs_20260201_xxx.jsonl
├── instincts/ # 本能文件
│ └── prefer-functional.yaml
├── evolved/ # 演化生成的技能
│ ├── skills/
│ │ └── testing-workflow/
│ │ └── SKILL.md
│ ├── commands/
│ └── skills-index.json
├── profile/ # 学习档案
│ └── learning_profile.json
└── config.json # 用户配置
配置选项
配置文件位于数据目录的 config.json。
{
"version": "1.0",
"enabled": true,
"observation": {
"enabled": true,
"retention_days": 90
},
"detection": {
"enabled": true,
"min_evidence_count": 2
},
"instincts": {
"min_confidence": 0.3,
"auto_apply_threshold": 0.7,
"max_instincts": 100
},
"evolution": {
"enabled": true,
"cluster_threshold": 3,
"auto_evolve": false
}
}
| 参数 | 默认值 | 说明 |
|---|---|---|
enabled |
true |
总开关 |
observation.retention_days |
90 |
观察记录保留天数 |
detection.min_evidence_count |
2 |
最少证据数才创建本能 |
instincts.min_confidence |
0.3 |
最低置信度 |
instincts.auto_apply_threshold |
0.7 |
自动应用阈值 |
evolution.cluster_threshold |
3 |
演化所需最少本能数 |
隐私说明
- 所有数据存储在本地
- 不上传任何信息到服务器
- 用户可以随时删除学习数据
- 本能文件不包含实际代码,只包含模式描述
与行为预测的区别
| 维度 | 持续学习 | 行为预测 |
|---|---|---|
| 核心问题 | AI 应该怎么做? | 用户想做什么? |
| 学习对象 | 解决问题的方法和知识 | 用户的工作流程和习惯 |
| 输出目标 | 生成新的技能/知识 | 生成预测和建议 |
| 应用方向 | 让 AI 更专业 | 让 AI 更贴心 |
两者是互补关系,可以同时使用。