Continuous Learning Skill – VERALTET
VERALTET seit 2026-04-28. Verwende stattdessen
continuous-learning-v2. v2 ist eine strikte Erweiterung: Stop-Hook-Beobachtung wird zu PreToolUse/PostToolUse-Beobachtung, vollständige Skills werden zu atomaren Instinkten mit Konfidenz-Scoring, und rein globaler Speicher wird projektbezogen mit globaler Hochstufung.Diese Datei dient der Archivierung und Rückwärtskompatibilität mit bestehenden Installationen.
Ursprüngliche v1-Dokumentation (archiviert)
Wertet am Ende automatisch Claude Code-Sitzungen aus, um wiederverwendbare Muster zu extrahieren, die als gelernte Fähigkeiten gespeichert werden können.
Wann aktivieren
- Einrichten der automatischen Musterextraktion aus Claude Code-Sitzungen
- Konfigurieren des Stop-Hooks für die Sitzungsauswertung
- Überprüfen oder Kuratieren gelernter Fähigkeiten in
~/.claude/skills/learned/ - Anpassen von Extraktionsschwellen oder Musterkategorien
- Vergleich von v1 (dieser) vs. v2 (instinktbasierter) Ansätze
Status
Dieser v1-Skill wird weiterhin unterstützt, aber continuous-learning-v2 ist der bevorzugte Pfad für Neuinstallationen. Behalte v1 bei, wenn du explizit den einfacheren Stop-Hook-Extraktionsablauf benötigst oder Kompatibilität mit älteren Workflows für gelernte Fähigkeiten erforderlich ist.
Funktionsweise
Dieser Skill läuft als Stop-Hook am Ende jeder Sitzung:
- Sitzungsauswertung: Prüft, ob die Sitzung genügend Nachrichten enthält (Standard: 10+)
- Mustererkennung: Identifiziert extrahierbare Muster aus der Sitzung
- Fähigkeitsextraktion: Speichert nützliche Muster unter
~/.claude/skills/learned/
Konfiguration
Bearbeite config.json, um Einstellungen anzupassen:
{
"min_session_length": 10,
"extraction_threshold": "medium",
"auto_approve": false,
"learned_skills_path": "~/.claude/skills/learned/",
"patterns_to_detect": [
"error_resolution",
"user_corrections",
"workarounds",
"debugging_techniques",
"project_specific"
],
"ignore_patterns": [
"simple_typos",
"one_time_fixes",
"external_api_issues"
]
}
Musterarten
| Muster | Beschreibung |
|---|---|
error_resolution | Wie spezifische Fehler behoben wurden |
user_corrections | Muster aus Benutzerkorrekturen |
workarounds | Lösungen für Framework-/Bibliotheks-Eigenheiten |
debugging_techniques | Effektive Debugging-Ansätze |
project_specific | Projektspezifische Konventionen |
Hook-Einrichtung
Füge folgendes zu deiner ~/.claude/settings.json hinzu:
{
"hooks": {
"Stop": [{
"matcher": "*",
"hooks": [{
"type": "command",
"command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
}]
}]
}
}
Warum Stop-Hook?
- Leichtgewichtig: Läuft einmal am Sitzungsende
- Nicht blockierend: Fügt bei keiner Nachricht Latenz hinzu
- Vollständiger Kontext: Hat Zugriff auf das gesamte Sitzungstranskript
Verwandtes
- Der Longform-Guide – Abschnitt über kontinuierliches Lernen
/learn-Befehl – Manuelle Musterextraktion während der Sitzung
Vergleichsnotizen (Forschung: Januar 2025)
vs. Homunculus
Homunculus v2 verfolgt einen ausgefeilteren Ansatz:
| Merkmal | Unser Ansatz | Homunculus v2 |
|---|---|---|
| Beobachtung | Stop-Hook (Sitzungsende) | PreToolUse/PostToolUse-Hooks (100% zuverlässig) |
| Analyse | Hauptkontext | Hintergrundagent (Haiku) |
| Granularität | Vollständige Fähigkeiten | Atomare „Instinkte“ |
| Konfidenz | Keine | 0,3–0,9 gewichtet |
| Evolution | Direkt zur Fähigkeit | Instinkte → Cluster → Fähigkeit/Befehl/Agent |
| Teilen | Keine | Instinkte exportieren/importieren |
Wichtige Erkenntnis von Homunculus:
„v1 verließ sich auf Skills zur Beobachtung. Skills sind probabilistisch – sie feuern nur etwa 50–80% der Zeit. v2 verwendet Hooks zur Beobachtung (100% zuverlässig) und Instinkte als atomare Einheit erlernten Verhaltens.“
Potenzielle v2-Erweiterungen
- Instinktbasiertes Lernen – Kleinere, atomare Verhaltensweisen mit Konfidenz-Scoring
- Hintergrundbeobachter – Haiku-Agent, der parallel analysiert
- Konfidenzverfall – Instinkte verlieren Konfidenz, wenn sie widersprochen werden
- Domain-Tagging – Code-Stil, Testen, Git, Debugging usw.
- Evolutionspfad – Verwandte Instinkte zu Fähigkeiten/Befehlen gruppieren
Siehe: docs/continuous-learning-v2-spec.md für die vollständige Spezifikation.