continuous-learning

Continuous Learning

從 Claude Code 工作過程中自動提取可復用模式，並將洞察、決策和經驗記錄為結構化的原子記憶單位。

兩大功能

1. Session Pattern Extraction（自動）

透過 Stop hook 在 session 結束時自動執行：

1. Session 評估：檢查 session 訊息量是否足夠（預設 10+）
2. 模式偵測：識別可提取的可復用模式
3. Skill 產出：將有用模式儲存到 .claude/skills/learned/

2. Memory Capture（按需）

將重要技術決策、實作方案和經驗教訓記錄為原子化記憶：

1. 提取核心結論：從工作過程中識別值得記錄的結論
2. 分類和結構化：判斷記憶類型，設計結論式標題
3. 建立連結：識別與既有知識的關聯
4. 儲存到 memory/：按標準結構建立記憶檔案

適用時機：

Pattern Types

Configuration

Edit config.json to customize:

{
  "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"]
}

Hook Setup

Add to .claude/settings.json:

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

Memory Capture 詳細指引

記憶建立的完整規範（類型定義、結論式標題設計、標準結構、連結策略、原子性原則）：

參考: references/memory-capture-guide.md

Related

• The Longform Guide - Section on continuous learning
• /learn command - Manual pattern extraction mid-session

Last Updated: 2026-03-02 Version: 2.0.0 - 整合 memory-network-builder 的記憶網路構建能力