tarrragon Continuous Learning
從 Claude Code 工作過程中自動提取可復用模式，並將洞察、決策和經驗依三分流正規化為結構化的原子知識記錄。
兩大功能
1. Session Pattern Extraction（自動）
透過 Stop hook 在 session 結束時自動執行：
- Session 評估：檢查 session 訊息量是否足夠（預設 10+）
- 模式偵測：識別可提取的可復用模式
- Skill 產出：將有用模式儲存到
.claude/skills/learned/
2. Knowledge Capture（按需）
將重要技術決策、實作方案和經驗教訓正規化為文件：
- 提取核心結論：從工作過程中識別值得記錄的結論
- 捕獲時三分流（記錄前必答；判別問句「另一個專案的 session 讀到這段，能用嗎」）：框架相關（能用）+ 錯誤學習類 + 根因已過 Two-Phase Reflection → 直接
/error-pattern add（canonical 層，隨 sync 跨專案傳播），流程結束；框架相關 + 錯誤學習類 + 根因未熟 → 暫不記錄，續觀察同主題是否再現；框架相關 + 非錯誤學習類 → 依升級路徑表選rules/methodologies/references/pm-rules/agents/skills/之一；專案相關（不能用但本專案未來會用）→docs/或CLAUDE.md；兩者皆非（僅本次 session 成立）→ 不記錄 - 分類和結構化：依目的地的既有格式規範撰寫（error-pattern 用 PC/IMP/ARCH 範本、規則用 rules/core 速查 stub 或 references 全文、方法論用 methodology 範本）
- 建立連結：識別與既有知識的關聯，補上交叉引用
重要：分流判斷在寫入前執行，不是寫入後補救。「寫入後補評估」的事後閉環經量化證明不執行（130 檔 feedback memory 標註率 4%，PC-061 模式的規模化實證）。memory 不是任何分支的目的地。
- 分流判準權威來源：
.claude/pm-rules/pm-quality-baseline.md規則 7- 錯誤模式參考：
.claude/error-patterns/process-compliance/PC-061-memory-upgrade-blindness.md- 完整決策樹：
references/upgrade-decision-tree.md
適用時機：
| 時機 | 說明 |
|---|---|
| 重要技術決策完成 | 方案選擇後建立決策記錄 |
| 實作方案確定 | 新的實作模式或解決方案誕生 |
| 學習機會 | 測試失敗、問題排除、重構完成後的經驗總結 |
| Phase 4 完成 | 重構後進行知識沉澱 |
| 版本發布前 | 總結主要決策和經驗 |
根因型知識記錄特殊處理（Two-Phase Reflection）
當記錄的核心是根因分析（error-pattern、代理人失敗歸因、用戶質疑「分析太表層」），必須套用兩階段深度反思：
- Phase 1 多假設 Reality Test：列 5+ 候選動機、逐個自我觀察驗證、至少挖 2 層深因
- Phase 2 WRAP 檢驗：結論產出後過 WRAP（Widen/Reality/Attain/Premortem）避免第一直覺陷阱
禁止只列 1-2 個假設就下結論，或跳過 Phase 2 直接落地。
完整方法論：
.claude/methodologies/three-phase-reflection-methodology.md案例：PC-087（表層版）→ PC-088（Phase 1+2 後的抽象層）
Pattern Types
| Pattern | Description |
|---|---|
error_resolution |
How specific errors were resolved |
user_corrections |
Patterns from user corrections |
workarounds |
Solutions to framework/library quirks |
debugging_techniques |
Effective debugging approaches |
project_specific |
Project-specific conventions |
Configuration
Edit config.json to customize:
{
"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"]
}
Hook Setup
Add to .claude/settings.json:
{
"hooks": {
"Stop": [
{
"matcher": "*",
"hooks": [
{
"type": "command",
"command": "$CLAUDE_PROJECT_DIR/.claude/skills/continuous-learning/evaluate-session.py"
}
]
}
]
}
}
知識記錄撰寫指引
依三分流判定的目的地選用對應撰寫規範，不再有單一共用的記憶檔案格式：
| 目的地 | 撰寫規範 |
|---|---|
.claude/error-patterns/ |
/error-pattern add 內建範本（PC/IMP/ARCH 分類、Why/Consequence/Action 三明示） |
.claude/rules/ .claude/methodologies/ .claude/references/ .claude/pm-rules/ .claude/agents/ .claude/skills/ |
.claude/rules/core/document-writing-style.md 三明示規範；方法論另依 methodology-writing skill（若已安裝）的撰寫規範，未安裝時仍可依三明示規範直接撰寫，只是少了該 skill 提供的方法論專屬範本 |
docs/ CLAUDE.md |
專案既有文件格式慣例 |
若專案已採用 compositional-writing skill，原子性（一則記錄一個結論）等跨載體通用的撰寫原則可參考該 skill，不綁定任何特定儲存格式；若未採用，仍可依「一則記錄一個結論」的原子性原則自行撰寫，只是不會有該 skill 提供的完整跨載體寫作原則清單可查。標題應表達具體結論而非主題，此原則綁定「原子記憶檔案」這個已排除的形態，未跨載體抽取；各目的地已有自己的標題慣例（error-pattern 用現象 slug、ticket 用 what 欄位、規則用「規則 N：主題」）。
為什麼分流在寫入前：
捕獲時三分流讓每筆知識寫入時態即確定去向（canonical 層 / docs 或 CLAUDE.md / 不記錄），不會產生「已記下待評估」這種不可觀測、無限積壓的中間態（PC-061「Memory upgrade blindness」的結構性解——量化證據為 130 檔事後標註率僅 4%）。
參考資源：
- 強制規則：
.claude/pm-rules/pm-quality-baseline.md規則 7「知識捕獲時分流」 - 錯誤模式：
.claude/error-patterns/process-compliance/PC-061-memory-upgrade-blindness.md - 完整決策樹：
references/upgrade-decision-tree.md
Related
- The Longform Guide - Section on continuous learning
/learncommand - Manual pattern extraction mid-session
版本紀錄在同目錄的 CHANGELOG.md。