9.4 KiB

Raw Permalink Blame History

name	description	version
continuous-learning-v2	基於本能的學習系統，透過鉤子 (Hooks) 觀察會話，建立帶有信心評分的原子級本能，並將其演進為技能、指令或 Agent。	2.0.0

持續學習 v2 - 基於本能的架構 (Instinct-Based Architecture)

這是一個進階的學習系統，透過原子級的「本能 (Instincts)」——具備信心評分的小型學習行為——將您的 Claude Code 會話轉化為可重用的知識。

何時啟用

設定從 Claude Code 會話中自動學習。
配置透過鉤子進行基於本能的行為萃取。
微調已學習行為的信心門檻。
審查、匯出或匯入本能庫。
將本能演進為完整的技能 (Skills)、指令 (Commands) 或 Agent。

v2 的新增功能

特性	v1	v2
觀察方式	Stop 鉤子 (會話結束時)	PreToolUse/PostToolUse (100% 可靠)
分析方式	主上下文 (Main context)	背景 Agent (Haiku)
粒度大小	完整的技能 (Full skills)	原子級「本能 (Instincts)」
信心評分	無	0.3-0.9 加權評分
演進路徑	直接轉為技能	本能 → 聚類 → 技能/指令/Agent
共享機制	無	匯出/匯入本能

本能模型 (The Instinct Model)

「本能」是一種小型的學習行為：

---
id: prefer-functional-style
trigger: "當撰寫新的函式時"
confidence: 0.7
domain: "code-style"
source: "session-observation"
---

# 偏好函式庫風格 (Prefer Functional Style)

## 動作
在適當的情況下，優先使用函式模式而非類別 (Classes)。

## 證據
- 觀察到 5 次偏好函式模式的情況。
- 使用者於 2025-01-15 將類別方法修正為函式模式。

屬性：

原子級 (Atomic) — 一個觸發條件，一個動作。
信心加權 (Confidence-weighted) — 0.3 = 暫定，0.9 = 幾乎確定。
領域標籤 (Domain-tagged) — code-style, testing, git, debugging, workflow 等。
證據支持 (Evidence-backed) — 追蹤是由哪些觀察所建立的。

運作方式

會話活動
      │
      │ 鉤子擷取提示詞 + 工具使用 (100% 可靠)
      ▼
┌─────────────────────────────────────────┐
│         observations.jsonl              │
│   (提示詞, 工具呼叫, 結果)              │
└─────────────────────────────────────────┘
      │
      │ 觀察者 Agent 讀取 (背景執行, Haiku)
      ▼
┌─────────────────────────────────────────┐
│          模式檢測 (PATTERN DETECTION)   │
│   • 使用者修正 → 本能                   │
│   • 錯誤解決 → 本能                     │
│   • 重複的工作流 → 本能                 │
└─────────────────────────────────────────┘
      │
      │ 建立/更新
      ▼
┌─────────────────────────────────────────┐
│         本能目錄 (instincts/personal/)  │
│   • prefer-functional.md (0.7)          │
│   • always-test-first.md (0.9)          │
│   • use-zod-validation.md (0.6)         │
└─────────────────────────────────────────┘
      │
      │ /evolve 指令進行聚類
      ▼
┌─────────────────────────────────────────┐
│              演進後 (evolved/)          │
│   • commands/new-feature.md             │
│   • skills/testing-workflow.md          │
│   • agents/refactor-specialist.md       │
└─────────────────────────────────────────┘

快速上手

1. 啟用觀察鉤子 (Observation Hooks)

將以下內容新增至您的 ~/.claude/settings.json。

若是以外掛程式安裝 (建議方式)：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh pre"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "${CLAUDE_PLUGIN_ROOT}/skills/continuous-learning-v2/hooks/observe.sh post"
      }]
    }]
  }
}

若是手動安裝 到 ~/.claude/skills：

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/claude/skills/continuous-learning-v2/hooks/observe.sh pre"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/claude/skills/continuous-learning-v2/hooks/observe.sh post"
      }]
    }]
  }
}

2. 初始化目錄結構

Python CLI 會自動建立這些目錄，但您也可以手動建立：

mkdir -p ~/claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands}}
touch ~/claude/homunculus/observations.jsonl

3. 使用本能指令

/instinct-status     # 顯示已學習的本能及其信心評分
/evolve              # 將相關的本能聚類成技能或指令
/instinct-export     # 匯出本能以便共享
/instinct-import     # 從他人處匯入本能

指令清單

指令	描述
`/instinct-status`	顯示所有已學習的本能與信心分數
`/evolve`	將相關的本能聚類成技能或指令
`/instinct-export`	匯入本能以便共享
`/instinct-import <file>`	從他人處匯入本能

配置說明

編輯 config.json：

{
  "version": "2.0",
  "observation": {
    "enabled": true,
    "store_path": "~/claude/homunculus/observations.jsonl",
    "max_file_size_mb": 10,
    "archive_after_days": 7
  },
  "instincts": {
    "personal_path": "~/claude/homunculus/instincts/personal/",
    "inherited_path": "~/claude/homunculus/instincts/inherited/",
    "min_confidence": 0.3,
    "auto_approve_threshold": 0.7,
    "confidence_decay_rate": 0.05
  },
  "observer": {
    "enabled": true,
    "model": "haiku",
    "run_interval_minutes": 5,
    "patterns_to_detect": [
      "user_corrections",
      "error_resolutions",
      "repeated_workflows",
      "tool_preferences"
    ]
  },
  "evolution": {
    "cluster_threshold": 3,
    "evolved_path": "~/claude/homunculus/evolved/"
  }
}

檔案結構

~/.claude/homunculus/
├── identity.json           # 您的個人檔案、技術程度
├── observations.jsonl      # 目前會話的觀察記錄
├── observations.archive/   # 已處理的觀察記錄
├── instincts/
│   ├── personal/           # 自動學習的本能
│   └── inherited/          # 從他人處匯入的本能
└── evolved/
    ├── agents/             # 生成的專家 Agent
    ├── skills/             # 生成的技能 (Skills)
    └── commands/           # 生成的指令 (Commands)

與 Skill Creator 整合

當您使用 Skill Creator GitHub App 時，它現在會同時完成以下兩項：

傳統的 SKILL.md 檔案（為了向下相容）。
本能集合 (Instinct collections)（針對 v2 學習系統）。

來自儲存庫分析的本能會標註 source: "repo-analysis" 並包含來源儲存庫的 URL。

信心評分機制

信心分數隨時間演進：

分數	意義	行為
0.3	暫定 (Tentative)	會建議但不會強制執行
0.5	中度 (Moderate)	在相關情況下會套用
0.7	強烈 (Strong)	自動核准並套用
0.9	幾乎確定	核心行為

信心增加 的情況：

模式被重複觀察到。
使用者未指正建議的行為。
來自其他來源的類似本能達成一致。

信心降低 的情況：

使用者明確指正行為。
在長時間內未觀察到該模式。
出現相左的證據。

為什麼觀察要用「鉤子」而非「技能」？

「v1 依賴技能來觀察。技能是機率性的——根據 Claude 的判斷，觸發機率約在 50-80% 之間。」

鉤子則是 100% 觸發，具備確定性。這意味著：

每次工具呼叫都會被觀察。
不會遺漏任何模式。
學習是全面的。

向下相容性

v2 與 v1 完全相容：

現有的 ~/.claude/skills/learned/ 技能仍然有效。
Stop 鉤子仍會執行（但現在也會作為 v2 的輸入內容）。
漸進式遷移路徑：可以讓兩者平行執行。

隱私權

觀察記錄會 保留在本機 電腦上。
僅有本能 (模式) 可以被匯出。
不會共享實際的程式碼或對話內容。
您可以控制哪些內容會被匯出。

9.4 KiB Raw Permalink Blame History Unescape Escape