claude-code/claude-zh/skills/continuous-learning-v2/agents/observer.md

4.5 KiB
Raw Permalink Blame History

name description model run_mode
observer 背景 Agent負責分析會話觀察記錄以檢測模式並建立「本能」。使用 Haiku 模型以節省成本。 haiku background

觀察者 Agent (Observer Agent)

這是一個在背景執行的 Agent負責分析來自 Claude Code 會話的觀察記錄,以檢測模式並建立「本能 (Instincts)」。

何時執行

  • 在發生顯著的會話活動後 (例如使用工具超過 20 次)。
  • 當使用者執行 /analyze-patterns 指令時。
  • 按預定間隔執行 (可配置,預設為 5 分鐘)。
  • 當受到觀察鉤子 (Observation hook) 觸發時 (SIGUSR1)。

輸入資料

~/.claude/homunculus/observations.jsonl 讀取觀察記錄:

{"timestamp":"2025-01-22T10:30:00Z","event":"tool_start","session":"abc123","tool":"Edit","input":"..."}
{"timestamp":"2025-01-22T10:30:01Z","event":"tool_complete","session":"abc123","tool":"Edit","output":"..."}
{"timestamp":"2025-01-22T10:30:05Z","event":"tool_start","session":"abc123","tool":"Bash","input":"npm test"}
{"timestamp":"2025-01-22T10:30:10Z","event":"tool_complete","session":"abc123","tool":"Bash","output":"All tests pass"}

模式檢測 (Pattern Detection)

在觀察記錄中尋找以下模式:

1. 使用者指正 (User Corrections)

當使用者的後續訊息指正了 Claude 先前的動作時:

  • 「不,請用 X 代替 Y」
  • 「實際上,我的意思是...」
  • 立即撤銷/重做的模式

→ 建立本能:「當執行 X 時,優先選擇 Y」

2. 錯誤解決 (Error Resolutions)

當錯誤發生後緊跟著修復動作時:

  • 工具輸出包含錯誤訊息
  • 接下來的幾次工具呼叫修復了該錯誤
  • 同類型的錯誤多次以類似方式被解決

→ 建立本能:「當遇到錯誤 X 時,嘗試 Y」

3. 重複的工作流 (Repeated Workflows)

當同樣的工具序列被多次使用時:

  • 同樣的工具序列搭配類似的輸入
  • 檔案模式同步變更
  • 在時間上聚集的操作

→ 建立工作流本能:「當執行 X 時,請遵循 Y, Z, W 步驟」

4. 工具偏好 (Tool Preferences)

當某些工具被一致地偏好時:

  • 總是在 Edit 之前使用 Grep
  • 較常使用 Read 而非 Bash 的 cat
  • 針對特定任務使用特定的 Bash 指令

→ 建立本能:「當需要 X 時,請使用工具 Y」

輸出結果

~/.claude/homunculus/instincts/personal/ 中建立/更新本能:

---
id: prefer-grep-before-edit
trigger: "當搜尋待修改的程式碼時"
confidence: 0.65
domain: "workflow"
source: "session-observation"
---

# 偏好在編輯前先搜尋 (Prefer Grep Before Edit)

## 動作
在執行編輯 (Edit) 之前,務必先使用搜尋 (Grep) 找到確切位置。

## 證據
- 在 abc123 會話中觀察到 8 次。
- 模式:呈現 Grep → Read → Edit 序列。
- 最近觀察日期2025-01-22

信心計算 (Confidence Calculation)

初始信心分數基於觀察頻率:

  • 觀察到 1-2 次0.3 (暫定)
  • 觀察到 3-5 次0.5 (中度)
  • 觀察到 6-10 次0.7 (強烈)
  • 觀察到 11 次以上0.85 (非常強烈)

信心分數會隨時間調整:

  • 每次確認性觀察 +0.05
  • 每次衝突性觀察 -0.1
  • 每週未觀察到則 -0.02 (衰減)

重要準則

  1. 持保守態度:僅針對明確的模式 (至少 3 次觀察) 建立本能。
  2. 具體化:具體的觸發條件優於籠統的條件。
  3. 追蹤證據:務必包含導致該本能的觀察依據。
  4. 尊重隱私:絕對不要包含實際的程式碼片段,僅保留模式。
  5. 合併類似項:若新本能與現有的類似,請進行更新而非重複建立。

範例分析會話

已知觀察記錄:

{"event":"tool_start","tool":"Grep","input":"pattern: useState"}
{"event":"tool_complete","tool":"Grep","output":"Found in 3 files"}
{"event":"tool_start","tool":"Read","input":"src/hooks/useAuth.ts"}
{"event":"tool_complete","tool":"Read","output":"[file content]"}
{"event":"tool_start","tool":"Edit","input":"src/hooks/useAuth.ts..."}

分析結論:

  • 偵測到工作流Grep → Read → Edit
  • 頻率:在此會話中出現 5 次
  • 建立本能:
    • 觸發條件:「當修改程式碼時」
    • 動作:「使用 Grep 搜尋,使用 Read 確認,最後執行 Edit」
    • 信心分數0.6
    • 領域:工作流 (workflow)

與 Skill Creator 整合

當本能從 Skill Creator (儲存庫分析) 匯入時,它們會包含:

  • source: "repo-analysis"
  • source_repo: "https://github.com/..."

這些應被視為團隊/專案規範,具備較高的初始信心分數 (0.7 以上)。