continuous-learning-v2: Скилл для развития инстинктов

--- name: continuous-learning-v2 description: 一种基于本能（Instinct）的训练系统，通过钩子（Hooks）观察会话，创建带有置信度评分的原子化本能，并将其进化为技能（Skills）、命令（Commands）或智能体（Agents）。 version: 2.0.0 --- # 持续学习（Continuous Learning）v2 - 基于本能（Instinct）的架构 这是一款先进的学习系统，能够通过带有置信度评分的小型已学习行为——“本能（Instinct）”，将 Claude Code 会话转化为可重用的知识。 ## v2 新特性 | 特性 | v1 | v2 | |---------|----|----| | 观察（Observation） | Stop 钩子（会话结束时） | PreToolUse/PostToolUse（100% 可靠性） | | 分析 | 主上下文（Main Context） | 后台智能体（Background Agent, Haiku） | | 粒度 | 完整的技能（Skill） | 原子化“本能（Instinct）” | | 置信度 | 无 | 0.3-0.9 加权 | | 进化 | 直接转化为技能 | 本能 → 聚类 → 技能/命令/智能体 | | 共享 | 无 | 本能导出/导入 | ## 本能模型（Instinct Model） 本能（Instinct）是小型且已学习的行为： ```yaml --- id: prefer-functional-style trigger: "when writing new functions" confidence: 0.7 domain: "code-style" source: "session-observation" --- # 优先使用函数式风格 ## Action 在合适的情况下，优先使用函数式模式而非类（Class）。 ## Evidence - 观察到 5 次优先使用函数式模式 - 用户在 2025-01-15 将基于类的方法修正为函数式 ``` **属性：** - **原子化（Atomic）** — 一个触发器，一个动作。 - **置信度加权（Confidence Weighting）** — 0.3 = 暂定，0.9 = 几乎确定。 - **领域标签（Domain Tagged）** — 如 `code-style`、`testing`、`git`、`debugging`、`workflow` 等。 - **基于证据（Evidence-based）** — 跟踪创建该本能的观察记录。 ## 工作原理 ``` 会话活动（Session Activity） │ │ 钩子捕获提示词 + 工具调用（100% 可靠性） ▼ ┌─────────────────────────────────────────┐ │ observations.jsonl │ │ (prompts, tool calls, outcomes) │ └─────────────────────────────────────────┘ │ │ 观察者智能体（Observer Agent）读取（后台运行，Haiku） ▼ ┌─────────────────────────────────────────┐ │ 模式检测 │ │ • 用户修正 → 本能 │ │ • 错误解决 → 本能 │ │ • 重复工作流 → 本能 │ └─────────────────────────────────────────┘ │ │ 创建/更新 ▼ ┌─────────────────────────────────────────┐ │ instincts/personal/ │ │ • prefer-functional.md (0.7) │ │ • always-test-first.md (0.9) │ │ • use-zod-validation.md (0.6) │ └─────────────────────────────────────────┘ │ │ /evolve 聚类 ▼ ┌─────────────────────────────────────────┐ │ evolved/ │ │ • commands/new-feature.md │ │ • skills/testing-workflow.md │ │ • agents/refactor-specialist.md │ └─────────────────────────────────────────┘ ``` ## 快速入门 ### 1. 启用观察钩子（Observation Hooks） 添加到 `~/.claude/settings.json` 中。 **作为插件安装时**（推荐）： ```json { "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" }] }] } } ``` **在 `~/.claude/skills` 中手动安装时**： ```json { "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. 初始化目录结构 Python CLI 会自动创建，但你也可以手动创建： ```bash mkdir -p ~/.claude/homunculus/{instincts/{personal,inherited},evolved/{agents,skills,commands}} touch ~/.claude/homunculus/observations.jsonl ``` ### 3. 使用本能命令 ```bash /instinct-status # 显示带有置信度评分的已学习本能 /evolve # 将相关的本能聚类为技能/命令 /instinct-export # 导出本能以便共享 /instinct-import # 从他人处导入本能 ``` ## 命令（Commands） | 命令 | 说明 | |---------|-------------| | `/instinct-status` | 显示所有已学习的本能及其置信度 | | `/evolve` | 将相关的本能聚类为技能/命令 | | `/instinct-export` | 导出本能以便共享 | | `/instinct-import <file>` | 从他人处导入本能 | ## 配置（Configuration） 编辑 `config.json`： ```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/" } } ``` ## 文件结构 ``` ~/.claude/homunculus/ ├── identity.json # 个人资料、技术水平 ├── observations.jsonl # 当前会话观察记录 ├── observations.archive/ # 已处理的观察记录 ├── instincts/ │ ├── personal/ # 自动学习的本能 │ └── inherited/ # 从他人处导入的本能 └── evolved/ ├── agents/ # 生成的专项智能体 ├── skills/ # 生成的技能 └── commands/ # 生成的命令 ``` ## 与 Skill Creator 的集成 使用 [Skill Creator GitHub App](https://skill-creator.app) 会**同时**生成： - 传统的 `SKILL.md` 文件（用于向后兼容） - 本能集合（用于 v2 学习系统） 来自仓库分析的本能会带有 `source: "repo-analysis"` 标记，并包含源仓库 URL。 ## 置信度评分（Confidence Scoring） 置信度会随着时间进化： | 分数 | 含义 | 行为 | |-------|---------|----------| | 0.3 | 暂定 | 会被建议但不会强制执行 | | 0.5 | 中等 | 在相关情况下应用 | | 0.7 | 强 | 应用会被自动批准 | | 0.9 | 几乎确定 | 核心行为 | **置信度提升**的情况： - 模式被重复观察到。 - 用户未对建议的行为进行修正。 - 来自其他源的类似本能匹配。 **置信度下降**的情况： - 用户显式修正了行为。 - 长期未观察到该模式。 - 出现了矛盾的证据。 ## 为什么在观察中使用钩子（Hooks）而不是技能（Skills）？ > “v1 依赖于技能进行观察。技能是概率性的，根据 Claude 的判断，其触发概率约为 50-80%。” 钩子（Hooks）是**100% 确定性**触发的。这意味着： - 所有的工具调用都会被观察到。 - 模式不会被遗漏。 - 学习是全面的。 ## 向后兼容性 v2 与 v1 完全兼容： - 现有的 `~/.claude/skills/learned/` 技能仍然有效。 - Stop 钩子仍然会运行（但也会为 v2 提供数据）。 - 平滑迁移路径：支持两者并行运行。 ## 隐私（Privacy） - 观察记录保留在机器**本地**。 - 仅可导出**本能**（模式）。 - 实际的代码或对话内容不会被共享。 - 你可以控制导出的内容。 ## 相关链接 - [Skill Creator](https://skill-creator.app) - 从仓库历史生成本能。 - Homunculus - v2 架构的灵感来源（原子化观察、置信度评分、本能进化流水线）。 - [The Longform Guide](https://x.com/affaanmustafa/status/2014040193557471352) - 持续学习章节。 --- *基于本能的学习：一次一次地观察，教会 Claude 你的模式。*