continuous-learning (habilidade de aprendizado contínuo)

Habilidade de Aprendizado Contínuo - OBSOLETA

OBSOLETA em 2026-04-28. Use continuous-learning-v2. v2 é um superconjunto estrito: a observação por hook Stop torna-se observação PreToolUse/PostToolUse, habilidades completas tornam-se instintos atômicos com pontuação de confiança e o armazenamento global torna-se com escopo de projeto mais promoção global.

Este arquivo é mantido para referência histórica e compatibilidade retroativa com instalações existentes.

---

Documentação Original v1 (arquivada)

Avalia automaticamente sessões do Claude Code ao final para extrair padrões reutilizáveis que podem ser salvos como habilidades aprendidas.

Quando Ativar

• Configurando extração automática de padrões de sessões do Claude Code
• Configurando o hook Stop para avaliação de sessão
• Revisando ou organizando habilidades aprendidas em ~/.claude/skills/learned/
• Ajustando limites de extração ou categorias de padrões
• Comparando abordagens v1 (esta) vs v2 (baseada em instintos)

Status

Esta habilidade v1 ainda é suportada, mas continuous-learning-v2 é o caminho preferido para novas instalações. Mantenha v1 quando você explicitamente quiser o fluxo de extração mais simples baseado em hook Stop ou precisar de compatibilidade com fluxos de trabalho de habilidades aprendidas mais antigos.

Como Funciona

Esta habilidade é executada como um hook Stop ao final de cada sessão:

1. Avaliação da Sessão: Verifica se a sessão tem mensagens suficientes (padrão: 10+)
2. Detecção de Padrões: Identifica padrões extraíveis da sessão
3. Extração de Habilidades: Salva padrões úteis em ~/.claude/skills/learned/

Configuração

Edite config.json para personalizar:

{
  "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"
  ]
}

Tipos de Padrões

Padrão	Descrição
error_resolution	Como erros específicos foram resolvidos
user_corrections	Padrões a partir de correções do usuário
workarounds	Soluções para peculiaridades de frameworks/bibliotecas
debugging_techniques	Abordagens eficazes de depuração
project_specific	Convenções específicas do projeto

Configuração do Hook

Adicione ao seu ~/.claude/settings.json:

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

Por que Hook Stop?

• Leve: Executa uma vez no final da sessão
• Não bloqueante: Não adiciona latência a cada mensagem
• Contexto completo: Tem acesso ao histórico completo da sessão

Relacionados

• The Longform Guide - Seção sobre aprendizado contínuo
• Comando /learn - Extração manual de padrões durante a sessão

---

Notas de Comparação (Pesquisa: Jan 2025)

vs Homunculus

O Homunculus v2 adota uma abordagem mais sofisticada:

Recurso	Nossa Abordagem	Homunculus v2
Observação	Hook Stop (final da sessão)	Hooks PreToolUse/PostToolUse (100% confiável)
Análise	Contexto principal	Agente de fundo (Haiku)
Granularidade	Habilidades completas	"Instintos" atômicos
Confiança	Nenhuma	0.3-0.9 ponderado
Evolução	Direto para habilidade	Instintos → agrupamento → habilidade/comando/agente
Compartilhamento	Nenhum	Exportar/importar instintos

Insight-chave do homunculus:

"v1 dependia de habilidades para observar. Habilidades são probabilísticas — elas disparam ~50-80% das vezes. v2 usa hooks para observação (100% confiável) e instintos como a unidade atômica do comportamento aprendido."

Potenciais Melhorias v2

1. Aprendizado baseado em instintos - Comportamentos menores e atômicos com pontuação de confiança
2. Observador de fundo - Agente Haiku analisando em paralelo
3. Decaimento de confiança - Instintos perdem confiança se contraditos
4. Marcação de domínio - estilo-de-código, testes, git, depuração, etc.
5. Caminho de evolução - Agrupar instintos relacionados em habilidades/comandos

Veja: docs/continuous-learning-v2-spec.md para a especificação completa.