apprentissage-continu

Compétence d'Apprentissage Continu - OBSOLÈTE

OBSOLÈTE 2026-04-28. Utilisez continuous-learning-v2 à la place. v2 est un sur-ensemble strict : l'observation par hook Stop devient une observation PreToolUse/PostToolUse, les compétences complètes deviennent des instincts atomiques avec score de confiance, et le stockage global uniquement devient limité au projet avec promotion globale.

Ce fichier est conservé pour référence d'archive et rétrocompatibilité avec les installations existantes.

---

Documentation v1 Originale (archivée)

Évalue automatiquement les sessions de Claude Code à leur fin pour extraire des motifs réutilisables qui peuvent être sauvegardés en tant que compétences apprises.

Quand Activer

• Mise en place de l'extraction automatique de motifs depuis des sessions Claude Code
• Configuration du hook Stop pour l'évaluation de session
• Révision ou curation des compétences apprises dans ~/.claude/skills/learned/
• Ajustement des seuils d'extraction ou des catégories de motifs
• Comparaison des approches v1 (celle-ci) vs v2 (basée sur les instincts)

Statut

Cette compétence v1 est toujours prise en charge, mais continuous-learning-v2 est le chemin préféré pour les nouvelles installations. Conservez v1 lorsque vous voulez explicitement le flux d'extraction simple par hook Stop ou que vous avez besoin de compatibilité avec des workflows de compétences apprises plus anciens.

Fonctionnement

Cette compétence s'exécute en tant que hook Stop à la fin de chaque session :

1. Évaluation de session : Vérifie si la session contient suffisamment de messages (par défaut : 10+)
2. Détection de motifs : Identifie les motifs extractibles de la session
3. Extraction de compétence : Sauvegarde les motifs utiles dans ~/.claude/skills/learned/

Configuration

Modifiez config.json pour personnaliser :

{
  "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"
  ]
}

Types de Motifs

Motif	Description
error_resolution	Comment des erreurs spécifiques ont été résolues
user_corrections	Motifs issus de corrections utilisateur
workarounds	Solutions pour des bizarreries de frameworks/bibliothèques
debugging_techniques	Approches de débogage efficaces
project_specific	Conventions spécifiques au projet

Configuration du Hook

Ajoutez à votre ~/.claude/settings.json :

{
  "hooks": {
    "Stop": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning/evaluate-session.sh"
      }]
    }]
  }
}

Pourquoi le Hook Stop ?

• Léger : S'exécute une fois en fin de session
• Non bloquant : N'ajoute pas de latence à chaque message
• Contexte complet : A accès au transcript complet de la session

Apparentés

• Le Guide Long - Section sur l'apprentissage continu
• Commande /learn - Extraction manuelle de motifs en milieu de session

---

Notes de Comparaison (Recherche : Janvier 2025)

vs Homunculus

Homunculus v2 adopte une approche plus sophistiquée :

Fonctionnalité	Notre Approche	Homunculus v2
Observation	Hook Stop (fin de session)	Hooks PreToolUse/PostToolUse (100% fiable)
Analyse	Contexte principal	Agent d'arrière-plan (Haiku)
Granularité	Compétences complètes	Instincts atomiques
Confiance	Aucune	Pondérée 0.3–0.9
Évolution	Direct en compétence	Instincts → grappe → compétence/commande/agent
Partage	Aucun	Export/import d'instincts

Enseignement clé d'Homunculus :

« v1 s'appuyait sur les compétences pour observer. Les compétences sont probabilistes — elles se déclenchent ~50-80% du temps. v2 utilise des hooks pour l'observation (fiabilité 100 %) et les instincts comme unité atomique du comportement appris. »

Améliorations Potentielles v2

1. Apprentissage par instincts – Comportements plus petits et atomiques avec score de confiance
2. Observateur d'arrière-plan – Agent Haiku analysant en parallèle
3. Décroissance de confiance – Les instincts perdent en confiance s'ils sont contredits
4. Étiquetage de domaine – style-de-code, test, git, débogage, etc.
5. Chemin d'évolution – Grouper les instincts apparentés en compétences/commandes

Voir : docs/continuous-learning-v2-spec.md pour la spécification complète.