Continuous Learning V2

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

v2 的新特性（对比 v1）

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：

1. CLAUDE_PROJECT_DIR 环境变量 (最高优先级)
2. 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)
3. git rev-parse --show-toplevel —— 使用仓库路径作为回退方案 (机器特定)
4. 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

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
  }
}

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

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：

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。

Converted and distributed by TomeVault — claim your Tome and manage your conversions.