continuous-learning

Name: continuous-learning
Author: virgo777

311stars25forks

How to install continuous-learning?

virgo777/buddyme/continuous-learning

$npx -y skills add virgo777/buddyme --skill continuous-learning

Installs into the current project.

Summary

Automatically extract reusable patterns from Claude Code sessions and save them as learned skills for future use.

Files · 1

View on GitHub

SKILL.md

1	# 持续学习技能（Continuous Learning Skill）
2
3	在会话结束时自动评估 Claude Code 会话，提取可保存为已学习技能（Learned Skills）的可复用模式。
4
5	## 何时激活
6
7	- 设置从 Claude Code 会话中自动提取模式
8	- 为会话评估配置 `Stop` 钩子（Hook）
9	- 查看或整理 `~/.claude/skills/learned/` 中的已学习技能
10	- 调整提取阈值或模式类别
11	- 比较 v1（当前）与 v2（基于直觉/Instinct）的方法
12
13	## 工作原理
14
15	此技能在每个会话结束时作为 Stop 钩子（Hook）运行：
16
17	1. 会话评估：检查会话是否有足够的消息（默认：10 条以上）
18	2. 模式检测：从会话中识别可提取的模式
19	3. 技能提取：将有用的模式保存到 `~/.claude/skills/learned/`
20
21	## 配置
22
23	编辑 `config.json` 进行自定义：
24
25	```json
26	{
27	"min_session_length": 10,
28	"extraction_threshold": "medium",
29	"auto_approve": false,
30	"learned_skills_path": "~/.claude/skills/learned/",
31	"patterns_to_detect": [
32	"error_resolution",
33	"user_corrections",
34	"workarounds",
35	"debugging_techniques",
36	"project_specific"
37	],
38	"ignore_patterns": [
39	"simple_typos",
40	"one_time_fixes",
41	"external_api_issues"
42	]
43	}
44	```
45
46	## 模式类型
47
48	\| 模式 \| 描述 \|
49	\|---------\|-------------\|
50	\| `error_resolution` \| 特定错误的解决方法 \|
51	\| `user_corrections` \| 来自用户纠偏的模式 \|
52	\| `workarounds` \| 针对框架/库缺陷的解决方案 \|
53	\| `debugging_techniques` \| 有效的调试方法 \|
54	\| `project_specific` \| 项目特定的约定 \|
55
56	## 钩子设置（Hook Setup）
57
58	添加到您的 `~/.claude/settings.json`：
59
60	```json
61	{
62	"hooks": {
63	"Stop": [{
64	"matcher": "*",
65	"hooks": [{
66	"type": "command",
67	"command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
68	}]
69	}]
70	}
71	}
72	```
73
74	## 为什么使用 Stop 钩子？
75
76	- 轻量化：仅在会话结束时运行一次
77	- 非阻塞：不会给每条消息增加延迟
78	- 完整上下文：可以访问完整的会话记录
79
80	## 相关内容
81
82	- [长篇指南（The Longform Guide）](https://x.com/affaanmustafa/status/2014040193557471352) - 关于持续学习的章节
83	- `/learn` 命令 - 会话中途手动提取模式
84
85	---
86
87	## 比较笔记（调研：2025年1月）
88
89	### 与 Homunculus 对比
90
91	Homunculus v2 采用了更复杂的方法：
92
93	\| 特性 \| 我们的方法 \| Homunculus v2 \|
94	\|---------\|--------------\|---------------\|
95	\| 观察机制（Observation） \| `Stop` 钩子（会话结束） \| `PreToolUse`/`PostToolUse` 钩子（100% 可靠） \|
96	\| 分析方式（Analysis） \| 主上下文（Main context） \| 后台智能体（Haiku agent） \|
97	\| 粒度（Granularity） \| 完整技能（Full skills） \| 原子化“直觉”（Atomic "instincts"） \|
98	\| 置信度（Confidence） \| 无 \| 0.3-0.9 权重 \|
99	\| 演进路径（Evolution） \| 直接生成技能 \| 直觉 → 聚类 → 技能/命令/智能体 \|
100	\| 共享方式（Sharing） \| 无 \| 导出/导入直觉 \|
101
102	来自 Homunculus 的关键见解：
103	> “v1 依赖技能（Skills）进行观察。技能是概率性的——它们的触发频率约为 50-80%。v2 使用钩子（Hooks）进行观察（100% 可靠），并将‘直觉（Instincts）’作为学习行为的原子单位。”
104
105	### 潜在的 v2 增强功能
106
107	1. 基于直觉的学习 - 带有置信度评分的更小、原子化的行为
108	2. 后台观察者 - 并行分析的 Haiku 智能体
109	3. 置信度衰减 - 如果发生冲突，直觉的置信度会降低
110	4. 领域标签 - 代码风格、测试、Git、调试等
111	5. 演进路径 - 将相关的直觉聚类为技能/命令
112
113	参见：`/Users/affoon/Documents/tasks/12-continuous-learning-v2.md` 获取完整规范。

People who liked this also viewed

6 picks

Type

lark-drive飞书云空间（云盘/云存储）：管理 Drive 文件和文件夹，包含上传/下载、创建文件夹、复制/移动/删除、查看元数据、评论/权限/订阅、标题、版本、飞书文档密级标签（secure labels）和本地文件导入。用户需要整理云盘目录、处理云空间资源 URL/token、判断链接类型/真实 token/标题，或导入 Word/Markdown/Excel/CSV/PPTX/.base 为 docx/sSkillsJul 2026382k16k
lark-sharedUse for lark-cli setup/auth tasks: auth login/status/logout, user vs bot identity, business-domain permissions (--domain, including all/docs/drive), missing scopes, revoking authorization, or handlingSkillsJul 2026382k16k
lark-whiteboard飞书画板：查询和编辑飞书云文档中的画板。支持导出画板为预览图片、导出原始节点结构、使用多种格式更新画板内容。当用户需要查看画板内容、导出画板图片、编辑画板时使用此 skill。不负责：飞书云文档内容编辑（lark-doc）、文档内嵌电子表格/Base（lark-sheets / lark-base）。SkillsJul 2026380k16k
lark-task飞书任务：管理任务、清单和任务智能体。创建待办任务、查看和更新任务状态、拆分子任务、组织任务清单、分配协作成员、上传任务附件、注册或注销任务智能体、更新任务智能体的主页数据、写入智能体任务记录。当用户需要创建待办事项、查看任务列表、跟踪任务进度、管理项目清单或给他人分配任务、为任务上传附件文件、注册注销任务智能体、更新智能体主页数据、写入任务记录时使用。SkillsJul 2026380k16k
lark-attendance飞书考勤打卡：查询自己的考勤打卡记录SkillsJul 2026330k16k
lark-apps妙搭（Spark/Miaoda）应用开发与托管：应用创建、本地全栈开发、云端生成迭代、创意设计（UI mockup / 可交互原型 / 线框图 / 落地页 / 仪表盘 / 幻灯片 deck / 视觉探索）、AI相关能力和飞书平台能力或者其他外部能力集成、日志/Trace/监控指标/PV/UV 查询、环境变量管理、应用角色与成员管理、自动化触发器（定时/记录变更/Webhook/飞书审批）。当用户要SkillsJul 2026227k16k

continuous-learning

311stars25forks

View on GitHub

How to install continuous-learning?

virgo777/buddyme/continuous-learning

$npx -y skills add virgo777/buddyme --skill continuous-learning

Installs into the current project.

Summary

Automatically extract reusable patterns from Claude Code sessions and save them as learned skills for future use.

Files · 1

View on GitHub

SKILL.md

1	# 持续学习技能（Continuous Learning Skill）
2
3	在会话结束时自动评估 Claude Code 会话，提取可保存为已学习技能（Learned Skills）的可复用模式。
4
5	## 何时激活
6
7	- 设置从 Claude Code 会话中自动提取模式
8	- 为会话评估配置 `Stop` 钩子（Hook）
9	- 查看或整理 `~/.claude/skills/learned/` 中的已学习技能
10	- 调整提取阈值或模式类别
11	- 比较 v1（当前）与 v2（基于直觉/Instinct）的方法
12
13	## 工作原理
14
15	此技能在每个会话结束时作为 Stop 钩子（Hook）运行：
16
17	1. 会话评估：检查会话是否有足够的消息（默认：10 条以上）
18	2. 模式检测：从会话中识别可提取的模式
19	3. 技能提取：将有用的模式保存到 `~/.claude/skills/learned/`
20
21	## 配置
22
23	编辑 `config.json` 进行自定义：
24
25	```json
26	{
27	"min_session_length": 10,
28	"extraction_threshold": "medium",
29	"auto_approve": false,
30	"learned_skills_path": "~/.claude/skills/learned/",
31	"patterns_to_detect": [
32	"error_resolution",
33	"user_corrections",
34	"workarounds",
35	"debugging_techniques",
36	"project_specific"
37	],
38	"ignore_patterns": [
39	"simple_typos",
40	"one_time_fixes",
41	"external_api_issues"
42	]
43	}
44	```
45
46	## 模式类型
47
48	\| 模式 \| 描述 \|
49	\|---------\|-------------\|
50	\| `error_resolution` \| 特定错误的解决方法 \|
51	\| `user_corrections` \| 来自用户纠偏的模式 \|
52	\| `workarounds` \| 针对框架/库缺陷的解决方案 \|
53	\| `debugging_techniques` \| 有效的调试方法 \|
54	\| `project_specific` \| 项目特定的约定 \|
55
56	## 钩子设置（Hook Setup）
57
58	添加到您的 `~/.claude/settings.json`：
59
60	```json
61	{
62	"hooks": {
63	"Stop": [{
64	"matcher": "*",
65	"hooks": [{
66	"type": "command",
67	"command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
68	}]
69	}]
70	}
71	}
72	```
73
74	## 为什么使用 Stop 钩子？
75
76	- 轻量化：仅在会话结束时运行一次
77	- 非阻塞：不会给每条消息增加延迟
78	- 完整上下文：可以访问完整的会话记录
79
80	## 相关内容
81
82	- [长篇指南（The Longform Guide）](https://x.com/affaanmustafa/status/2014040193557471352) - 关于持续学习的章节
83	- `/learn` 命令 - 会话中途手动提取模式
84
85	---
86
87	## 比较笔记（调研：2025年1月）
88
89	### 与 Homunculus 对比
90
91	Homunculus v2 采用了更复杂的方法：
92
93	\| 特性 \| 我们的方法 \| Homunculus v2 \|
94	\|---------\|--------------\|---------------\|
95	\| 观察机制（Observation） \| `Stop` 钩子（会话结束） \| `PreToolUse`/`PostToolUse` 钩子（100% 可靠） \|
96	\| 分析方式（Analysis） \| 主上下文（Main context） \| 后台智能体（Haiku agent） \|
97	\| 粒度（Granularity） \| 完整技能（Full skills） \| 原子化“直觉”（Atomic "instincts"） \|
98	\| 置信度（Confidence） \| 无 \| 0.3-0.9 权重 \|
99	\| 演进路径（Evolution） \| 直接生成技能 \| 直觉 → 聚类 → 技能/命令/智能体 \|
100	\| 共享方式（Sharing） \| 无 \| 导出/导入直觉 \|
101
102	来自 Homunculus 的关键见解：
103	> “v1 依赖技能（Skills）进行观察。技能是概率性的——它们的触发频率约为 50-80%。v2 使用钩子（Hooks）进行观察（100% 可靠），并将‘直觉（Instincts）’作为学习行为的原子单位。”
104
105	### 潜在的 v2 增强功能
106
107	1. 基于直觉的学习 - 带有置信度评分的更小、原子化的行为
108	2. 后台观察者 - 并行分析的 Haiku 智能体
109	3. 置信度衰减 - 如果发生冲突，直觉的置信度会降低
110	4. 领域标签 - 代码风格、测试、Git、调试等
111	5. 演进路径 - 将相关的直觉聚类为技能/命令
112
113	参见：`/Users/affoon/Documents/tasks/12-continuous-learning-v2.md` 获取完整规范。

People who liked this also viewed

6 picks

Type