continuous-learning
Claude Codeとの会話から再利用可能なパターンを自動で抽出し、学習済みスキルとして保存して今後の利用に活かすことができます。
description の原文を見る
自动从Claude Code会话中提取可重复使用的模式,并将其保存为学习到的技能以供将来使用。
SKILL.md 本文
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
関連資料
- 詳細ガイド - 継続学習に関するセクション
/learnコマンド - セッション内でパターンを手動抽出する
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
ナビゲーション
中文文档导航貢献ガイド
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- loulanyue
- ライセンス
- MIT
- 最終更新
- 2026/5/3
Source: https://github.com/loulanyue/awesome-claude-notes / ライセンス: MIT
関連スキル
agent-browser
AI エージェント向けのブラウザ自動化 CLI です。ウェブサイトとの対話が必要な場合に使用します。ページ遷移、フォーム入力、ボタンクリック、スクリーンショット取得、データ抽出、ウェブアプリのテスト、ブラウザ操作の自動化など、あらゆるブラウザタスクに対応できます。「ウェブサイトを開く」「フォームに記入する」「ボタンをクリックする」「スクリーンショットを取得する」「ページからデータを抽出する」「このウェブアプリをテストする」「サイトにログインする」「ブラウザ操作を自動化する」といった要求や、プログラマティックなウェブ操作が必要なタスクで起動します。
anyskill
AnySkill — あなたのプライベート・スキルクラウド。GitHubを基盤としたリポジトリからエージェントスキルを管理、同期、動的にロードできます。自然言語でクラウドスキルを検索し、オンデマンドでプロンプトを自動ロード、カスタムスキルのアップロードと共有、スキルバンドルの一括インストールが可能です。OpenClaw、Antigravity、Claude Code、Cursorに対応しています。
engram
AIエージェント向けの永続的なメモリシステムです。バグ修正、意思決定、発見、設定変更の後はmem_saveを使用してください。ユーザーが「覚えている」「記憶している」と言及した場合、または以前のセッションと重複する作業を開始する際はmem_searchを使用します。セッション終了前にmem_session_summaryを使用して、コンテキストを保持してください。
skyvern
AI駆動のブラウザ自動化により、任意のウェブサイトを自動化できます。フォーム入力、データ抽出、ファイルダウンロード、ログイン、複数ステップのワークフロー実行など、ユーザーがウェブサイトと連携する必要があるときに使用します。Skyvernは、LLMとコンピュータビジョンを活用して、未知のサイトも自動操作可能です。Python SDK、TypeScript SDK、REST API、MCPサーバー、またはCLIを通じて統合できます。
pinchbench
PinchBenchベンチマークを実行して、OpenClawエージェントの実世界タスクにおけるパフォーマンスを評価できます。モデルの機能テスト、モデル間の比較、ベンチマーク結果のリーダーボード提出、またはOpenClawのセットアップがカレンダー、メール、リサーチ、コーディング、複数ステップのワークフローにどの程度対応しているかを確認する際に使用します。
openui
OpenUIとOpenUI Langを使用してジェネレーティブUIアプリを構築できます。これらはLLM生成インターフェースのためのトークン効率的なオープン標準です。OpenUI、@openuidev、ジェネレーティブUI、LLMからのストリーミングUI、AI向けコンポーネントライブラリ、またはjson-render/A2UIの置き換えについて述べる際に使用します。スキャフォルディング、defineComponent、システムプロンプト、Renderer、およびOpenUI Lang出力のデバッグに対応しています。