Self Learning

Самообучение (self-learning) — Athena

Превращает каждую сессию в компаундящееся знание. Метод Карпаты: синтез на записи (чистим и обобщаем урок в момент записи, не храним сырье), одна метрика делает петлю умной, победитель = новый baseline, полезная оппозиция (учимся и из критики, не только из ошибок).

Запускать на логическом чекпойнте (фаза закрыта) и/или в конце сессии — ДО хэндоффа. Дешево по токенам: это короткий структурированный проход, не отдельное исследование.

Логи (живут в ~/.claude/self-learning/, создаются раз, не затираются)

• lessons-log.md — ошибки и системные выводы (append-only).
• agents-routing-log.md — исход выбора движка/модели/роя (что выбрал → сработало ли).
• token-audit-log.md — куда ушел бюджет и как сэкономить в следующий раз.
• session-review-template.md — скелет ретро (read-only, обновляется с ОС).

Процедура (4 шага, по порядку)

1. Разбор ошибок → системное правило

Для каждой нетривиальной ошибки/тупика сессии:

• Причина (корневая, не симптом).
• Исправление (что сделал).
• Системный вывод — правило, чтобы НЕ повторить (обобщение, не пересказ). Дописать в lessons-log.md. Если правило широкое — поднять в CLAUDE.md/rules или память. Перед нетривиальной задачей в будущем — сверяться с этим логом (gate самообучения).

2. Token-аудит → экономия в следующий раз

• Что съело бюджет (большие Read-серии? повтор контекста? рой не туда? раздутый контекст?).
• Конкретная оптимизация на следующий раз (разведка-first, субагент на тяжелое чтение, раньше закрыть сессию, точнее scope).
• Дописать строку в token-audit-log.md. Накопленные паттроны → правило экономии.

3. Данные о владельце + повторяющиеся паттерны → смена подхода

• Узнал устойчивое о владельце (предпочтение, стек, стиль, граница) → durable-память (~/.claude/projects/.../memory/), тип user/feedback. НЕ разовое — только устойчивое.
• Заметил повторяющийся паттерн (одна и та же правка/просьба/ошибка ≥2 раз) → предложить автоматизацию (хук/скрипт/скилл) ИЛИ изменить дефолтный подход. Это и есть «менять подходы».

4. Routing-исход (если был выбор движка/модели/роя)

• Что выбрал (модель/рой/движок) под задачу, по какому сигналу.
• Сработало или нет, что выбрать в следующий раз при том же сигнале.
• Дописать в agents-routing-log.md. Перед следующим routing-решением — сверяться.

keep-or-revert (для автономных петель)

Любая самооптимизация ОС проходит цикл: предложить ОДНО изменение → измерить по объективной метрике → лучше = keep (новый baseline), хуже = revert. Без метрики петля не «умная», а «занятая» — не запускать автономный loop без явной метрики.

После прохода

1. Кратко владельцу: 1-3 урока + 1 предложение что улучшить/автоматизировать.
2. Затем хэндофф (см. session-lifecycle в CLAUDE.md) и закрытие сессии.