Skills Artificial Intelligence Continuous Skill Learning and Pattern Extraction

Continuous Skill Learning and Pattern Extraction

v20260704
continuous-learning
This skill analyzes completed code sessions to automatically extract reusable patterns, transforming raw interaction data into structured, learned skills. It allows the AI to continuously improve its domain knowledge by capturing techniques like error resolution, debugging methods, and workarounds, making it effective for advanced coding assistance and knowledge curation.
Get Skill
405 downloads
Overview

Skill de Aprendizaje Continuo - OBSOLETO

OBSOLETO el 2026-04-28. Usar continuous-learning-v2 en su lugar. v2 es un superconjunto estricto: la observación por hook Stop se convierte en observación PreToolUse/PostToolUse, los skills completos se convierten en instintos atómicos con puntuación de confianza, y el almacenamiento solo global se convierte en almacenamiento con alcance de proyecto más promoción global.

Este archivo se mantiene como referencia de archivo y compatibilidad retroactiva con instalaciones existentes.

Documentación Original v1 (archivo)

Evalúa automáticamente las sesiones de Claude Code al terminar para extraer patrones reutilizables que pueden guardarse como skills aprendidos.

Cuándo Activar

  • Configurar extracción automática de patrones desde sesiones de Claude Code
  • Configurar el hook Stop para evaluación de sesiones
  • Revisar o curar skills aprendidos en ~/.claude/skills/learned/
  • Ajustar umbrales de extracción o categorías de patrones
  • Comparar enfoques v1 (este) vs v2 (basado en instintos)

Estado

Este skill v1 sigue siendo compatible, pero continuous-learning-v2 es la ruta preferida para nuevas instalaciones. Mantener v1 cuando explícitamente quieras el flujo de extracción por hook Stop más simple o necesites compatibilidad con flujos de trabajo de skills aprendidos más antiguos.

Cómo Funciona

Este skill se ejecuta como un hook Stop al final de cada sesión:

  1. Evaluación de Sesión: Verifica si la sesión tiene suficientes mensajes (por defecto: 10+)
  2. Detección de Patrones: Identifica patrones extraíbles de la sesión
  3. Extracción de Skills: Guarda patrones útiles en ~/.claude/skills/learned/

Configuración

Editar 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 Patrones

PatrónDescripción
error_resolutionCómo se resolvieron errores específicos
user_correctionsPatrones de correcciones del usuario
workaroundsSoluciones a peculiaridades de frameworks/librerías
debugging_techniquesEnfoques efectivos de depuración
project_specificConvenciones específicas del proyecto

Configuración del Hook

Agregar a tu ~/.claude/settings.json:

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

Por Qué Hook Stop?

  • Ligero: Se ejecuta una vez al final de la sesión
  • No bloqueante: No agrega latencia a cada mensaje
  • Contexto completo: Tiene acceso a la transcripción completa de la sesión

Relacionado

  • /learn — Extracción manual de patrones a mitad de sesión

Notas de Comparación (Investigación: Ene 2025)

vs Homunculus

Homunculus v2 adopta un enfoque más sofisticado:

CaracterísticaNuestro EnfoqueHomunculus v2
ObservaciónHook Stop (fin de sesión)Hooks PreToolUse/PostToolUse (100% confiable)
AnálisisContexto principalAgente en segundo plano (Haiku)
GranularidadSkills completos"Instintos" atómicos
ConfianzaNingunaPonderada 0.3-0.9
EvoluciónDirectamente a skillInstintos → cluster → skill/comando/agente
CompartirNingunoExportar/importar instintos

Insight clave de homunculus:

"v1 dependía de skills para observar. Los skills son probabilísticos — se activan ~50-80% del tiempo. v2 usa hooks para la observación (100% confiable) e instintos como unidad atómica de comportamiento aprendido."

Mejoras Potenciales v2

  1. Aprendizaje basado en instintos — Comportamientos más pequeños y atómicos con puntuación de confianza
  2. Observador en segundo plano — Agente Haiku analizando en paralelo
  3. Decaimiento de confianza — Los instintos pierden confianza si son contradichos
  4. Etiquetado de dominio — code-style, testing, git, debugging, etc.
  5. Ruta de evolución — Agrupar instintos relacionados en skills/comandos

Ver: docs/continuous-learning-v2-spec.md para la especificación completa.

Info
Name continuous-learning
Version v20260704
Size 4.91KB
Updated At 2026-07-09
Language