継続学習スキル

Claude Code セッションの終了時に自動的にパターンを評価・抽出し、学習したスキルとして保存できます。

有効化するタイミング

Claude Code セッションからパターンを自動抽出するよう設定する
セッション評価の停止フックを構成する
~/.claude/skills/learned/ で学習したスキルを確認・整理する
抽出閾値またはパターンカテゴリを調整する
v1（本方法）と v2（インスティンクトベースの方法）を比較する

仕組み

このスキルは各セッション終了時に 停止フック として実行されます：

セッション評価：セッションに十分なメッセージが含まれているかを確認します（デフォルト：10件以上）
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します
スキル抽出：有用なパターンを ~/.claude/skills/learned/ に保存します

設定

config.json を編集してカスタマイズします：

{
  "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"
  ]
}

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得たパターン
`workarounds`	フレームワーク/ライブラリの特性に対する解決策
`debugging_techniques`	効果的なデバッグ方法
`project_specific`	プロジェクト固有の規約

フック設定

~/.claude/settings.json に以下を追加します：

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

停止フックを使用する理由

軽量：セッション終了時に1回だけ実行される
ノンブロッキング：各メッセージに遅延を追加しない
完全なコンテキスト：セッション全体の記録にアクセスできる

比較メモ（研究：2025年1月）

Homunculus との比較

Homunculus v2 は、より複雑なアプローチを採用しています：

機能	当社の方法	Homunculus v2
観察	停止フック（セッション終了時）	PreToolUse/PostToolUse フック（100% 信頼性）
分析	メインコンテキスト	バックグラウンドエージェント (Haiku)
粒度	完全なスキル	原子化された「インスティンクト」
信頼度	なし	0.3-0.9 の加重スコア
進化	スキルに直接	インスティンクト → クラスタ → スキル/コマンド/エージェント
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 からの重要な知見：

"v1 は観察のためにスキルに依存しています。スキルは確率的であり、トリガーの確率は約 50～80% です。v2 はフックを使用して観察し（100% 信頼性）、インスティンクトを学習行動の原子単位として使用しています。"

v2 の潜在的な拡張機能

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く原子化された動作
バックグラウンドオブザーバー - Haiku エージェントによる並行分析
信頼度の減衰 - 反駁された場合、インスティンクトの信頼度が低下
ドメインタグ - コードスタイル、テスト、git、デバッグなど
進化パス - 関連するインスティンクトをスキル/コマンドにクラスタリング

詳細は docs/continuous-learning-v2-spec.md を参照してください。

原文

英文原文

continuous-learning

SKILL.md 本文