継続学習スキル

Copilot CLI ワークセッション終了時のコンテンツを自動評価し、再利用可能なパターンを抽出して学習スキルとして保存します。

動作方法

このスキルは Stop hook として各ワークセッション終了時に実行されます：

1. セッション評価：セッションに十分な情報量があるか確認（デフォルト：10+ メッセージ）
2. パターン検出：セッションから抽出可能なパターンを識別
3. スキル抽出：有用なパターンを ~/.copilot/skills/learned/ に保存

設定

config.json を編集してカスタマイズできます：

{
  "min_session_length": 10,
  "extraction_threshold": "medium",
  "auto_approve": false,
  "learned_skills_path": "~/.copilot/skills/learned/",
  "patterns_to_detect": [
    "error_resolution",
    "user_corrections",
    "workarounds",
    "debugging_techniques",
    "project_specific"
  ],
  "ignore_patterns": [
    "simple_typos",
    "one_time_fixes",
    "external_api_issues"
  ]
}

パターンタイプ

パターン	説明
error_resolution	特定のエラーがどのように解決されたか
user_corrections	ユーザーの修正から学習したパターン
workarounds	フレームワーク/ライブラリの問題回避方法
debugging_techniques	効果的なデバッグ方法
project_specific	プロジェクト固有の慣例

Hook 設定

~/.copilot/settings.json に追加します：

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

Stop Hook を使用する理由

• 軽量：ワークセッション終了時に1回のみ実行
• ノンブロッキング：各メッセージにレイテンシーを追加しない
• 完全なコンテキスト：完全なセッション履歴にアクセス可能

関連項目

• Longform Guide - 継続学習セクション
• /learn コマンド - セッション中のパターン手動抽出

---

比較メモ（研究：2025年1月）

vs Homunculus

Homunculus v2 はより複雑なアプローチを採用しています：

機能	当社のアプローチ	Homunculus v2
観察	Stop hook（セッション終了）	PreToolUse/PostToolUse hooks（100% 信頼性）
分析	主なコンテキスト	バックグラウンド agent（Haiku）
粒度	完全なスキル	アトミック「インスティンクト」
信頼度	なし	0.3-0.9 加重スコア
進化	スキルに直接	インスティンクト → クラスタリング → スキル/コマンド/agent
共有	なし	インスティンクトのエクスポート/インポート

Homunculus からの重要な洞察：

"v1 はスキルを観察に依存していました。スキルは確率的です — 約 50-80% の時間でトリガーされます。v2 は観察に hooks を使用し（100% 信頼性）、インスティンクトを学習動作のアトミック単位として使用します。"

潜在的な v2 の改善

1. インスティンクトベースの学習 - 信頼度スコア付きの小さなアトミック動作
2. バックグラウンド観察者 - Haiku agent による並列分析
3. 信頼度減衰 - 矛盾する場合インスティンクトの信頼度低下
4. ドメインタグ付け - code-style、testing、git、debugging など
5. 進化パス - 関連インスティンクトをスキル/コマンドへクラスタリング

参照：完全な仕様は /Users/affoon/Documents/tasks/12-continuous-learning-v2.md を参照してください。