本文へ移動
cccskills
無料GitHub で公開

continuous-learning-v2

Sistema de aprendizaje basado en instintos que observa sesiones mediante hooks, crea instintos atómicos con puntuación de confianza y los evoluciona en skills/comandos/agentes. v2.1 agrega instintos con alcance de proyecto para prevenir contaminación entre proyectos.

インストール方法を見る

含まれるファイル(1)

  • SKILL.md9.3 KB

SKILL.md(原文)

インストールする前に、エージェントに与えられる指示の中身を確認できます。

Aprendizaje Continuo v2.1 - Arquitectura Basada en Instintos

Un sistema de aprendizaje avanzado que convierte tus sesiones de Claude Code en conocimiento reutilizable a través de "instintos" atómicos — pequeños comportamientos aprendidos con puntuación de confianza.

v2.1 agrega instintos con alcance de proyecto — los patrones de React se quedan en tu proyecto React, las convenciones de Python se quedan en tu proyecto Python, y los patrones universales (como "siempre validar la entrada") se comparten globalmente.

Cuándo Activar

  • Configurar aprendizaje automático desde sesiones de Claude Code
  • Configurar extracción de comportamientos basada en instintos mediante hooks
  • Ajustar umbrales de confianza para comportamientos aprendidos
  • Revisar, exportar o importar librerías de instintos
  • Evolucionar instintos en skills, comandos o agentes completos
  • Gestionar instintos con alcance de proyecto vs globales
  • Promover instintos de alcance de proyecto a global

Qué hay de Nuevo en v2.1

Característicav2.0v2.1
AlmacenamientoGlobal (~/.claude/homunculus/)Con alcance de proyecto (${XDG_DATA_HOME:-~/.local/share}/ecc-homunculus/projects/<hash>/)
AlcanceTodos los instintos aplican en todas partesCon alcance de proyecto + global
DetecciónNingunaURL remota de git / ruta del repositorio
PromociónN/AProyecto → global cuando se ve en 2+ proyectos
Comandos4 (status/evolve/export/import)6 (+promote/projects)
Entre proyectosRiesgo de contaminaciónAislado por defecto

Qué hay de Nuevo en v2 (vs v1)

Característicav1v2
ObservaciónHook Stop (fin de sesión)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

El Modelo de Instinto

Un instinto es un pequeño comportamiento aprendido:

---
id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: "code-style"
source: "session-observation"
scope: project
project_id: "a1b2c3d4e5f6"
project_name: "my-react-app"
---

# Prefer Functional Style

## Action
Use functional patterns over classes when appropriate.

## Evidence
- Observed 5 instances of functional pattern preference
- User corrected class-based approach to functional on 2025-01-15

Propiedades:

  • Atómico — un disparador, una acción
  • Ponderado por confianza — 0.3 = tentativo, 0.9 = casi seguro
  • Etiquetado por dominio — code-style, testing, git, debugging, workflow, etc.
  • Respaldado por evidencia — rastrea qué observaciones lo crearon
  • Consciente del alcance — project (por defecto) o global

Cómo Funciona

Actividad de Sesión (en un repositorio git)
      |
      | Los hooks capturan prompts + uso de herramientas (100% confiable)
      | + detectan contexto del proyecto (git remote / ruta del repo)
      v
+---------------------------------------------+
|  projects/<project-hash>/observations.jsonl  |
|   (prompts, llamadas de herramientas, resultados, proyecto)   |
+---------------------------------------------+
      |
      | El agente observador lee (segundo plano, Haiku)
      v
+---------------------------------------------+
|          DETECCIÓN DE PATRONES               |
|   * Correcciones de usuario -> instinto      |
|   * Resoluciones de errores -> instinto      |
|   * Flujos de trabajo repetidos -> instinto  |
|   * Decisión de alcance: ¿proyecto o global? |
+---------------------------------------------+
      |
      | Crea/actualiza
      v
+---------------------------------------------+
|  projects/<project-hash>/instincts/personal/ |
|   * prefer-functional.yaml (0.7) [project]   |
|   * use-react-hooks.yaml (0.9) [project]     |
+---------------------------------------------+
|  instincts/personal/  (GLOBAL)               |
|   * always-validate-input.yaml (0.85) [global]|
|   * grep-before-edit.yaml (0.6) [global]     |
+---------------------------------------------+
      |
      | /evolve clusters + /promote
      v
+---------------------------------------------+
|  projects/<hash>/evolved/ (project-scoped)   |
|  evolved/ (global)                           |
|   * commands/new-feature.md                  |
|   * skills/testing-workflow.md               |
|   * agents/refactor-specialist.md            |
+---------------------------------------------+

Detección de Proyecto

El sistema detecta automáticamente tu proyecto actual:

  1. Variable de entorno CLAUDE_PROJECT_DIR (máxima prioridad)
  2. git remote get-url origin — hasheado para crear un ID de proyecto portable (el mismo repo en diferentes máquinas obtiene el mismo ID)
  3. git rev-parse --show-toplevel — respaldo usando la ruta del repo (específica de la máquina)
  4. Respaldo global — si no se detecta ningún proyecto, los instintos van al alcance global

Cada proyecto obtiene un ID hash de 12 caracteres (ej. a1b2c3d4e5f6). Un archivo de registro en ${XDG_DATA_HOME:-~/.local/share}/ecc-homunculus/projects.json mapea IDs a nombres legibles.

Directorio de Datos

Continuous-learning-v2 almacena los datos del observador fuera de ~/.claude para que el guard de rutas sensibles de Claude Code no bloquee las escrituras de instintos en segundo plano:

  1. CLV2_HOMUNCULUS_DIR cuando se establece a una ruta absoluta
  2. $XDG_DATA_HOME/ecc-homunculus
  3. $HOME/.local/share/ecc-homunculus

Los usuarios existentes con datos en ~/.claude/homunculus pueden migrar una vez:

bash skills/continuous-learning-v2/scripts/migrate-homunculus.sh

Inicio Rápido

1. Habilitar Hooks de Observación

Si está instalado como plugin (recomendado):

No se requiere bloque extra de hooks en settings.json. Claude Code v2.1+ carga automáticamente el hooks/hooks.json del plugin, y observe.sh ya está registrado allí.

Si está instalado manualmente en ~/.claude/skills, agregar esto a tu ~/.claude/settings.json:

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }],
    "PostToolUse": [{
      "matcher": "*",
      "hooks": [{
        "type": "command",
        "command": "~/.claude/skills/continuous-learning-v2/hooks/observe.sh"
      }]
    }]
  }
}

2. Usar los Comandos de Instinto

/instinct-status     # Mostrar instintos aprendidos (proyecto + global)
/evolve              # Agrupar instintos relacionados en skills/comandos
/instinct-export     # Exportar instintos a archivo
/instinct-import     # Importar instintos de otros
/promote             # Promover instintos de proyecto a alcance global
/projects            # Listar todos los proyectos conocidos y sus conteos de instintos

Guía de Decisión de Alcance

Tipo de PatrónAlcanceEjemplos
Convenciones de lenguaje/frameworkproject"Usar React hooks", "Seguir patrones Django REST"
Preferencias de estructura de archivosproject"Pruebas en __tests__/", "Componentes en src/components/"
Estilo de códigoproject"Usar estilo funcional", "Preferir dataclasses"
Estrategias de manejo de erroresproject"Usar tipo Result para errores"
Prácticas de seguridadglobal"Validar entrada de usuario", "Sanitizar SQL"
Buenas prácticas generalesglobal"Escribir pruebas primero", "Siempre manejar errores"
Preferencias de flujo de trabajo de herramientasglobal"Grep antes de Edit", "Read antes de Write"
Prácticas de Gitglobal"Conventional commits", "Commits pequeños y enfocados"

Puntuación de Confianza

La confianza evoluciona con el tiempo:

PuntuaciónSignificadoComportamiento
0.3TentativoSugerido pero no aplicado
0.5ModeradoAplicado cuando es relevante
0.7FuerteAuto-aprobado para aplicación
0.9Casi seguroComportamiento central

La confianza aumenta cuando:

  • El patrón se observa repetidamente
  • El usuario no corrige el comportamiento sugerido
  • Instintos similares de otras fuentes coinciden

La confianza disminuye cuando:

  • El usuario corrige explícitamente el comportamiento
  • El patrón no se observa por períodos extendidos
  • Aparece evidencia contradictoria

Privacidad

  • Las observaciones permanecen locales en tu máquina
  • Los instintos con alcance de proyecto están aislados por proyecto
  • Solo los instintos (patrones) pueden exportarse — no las observaciones brutas
  • No se comparte código real ni contenido de conversaciones
  • Tú controlas qué se exporta y promueve

レビュー

まだレビューはありません。使ってみた感想をお寄せください。

同じリポジトリのスキル

概要と使いどころ

Design, implement, and audit accessible UI to WCAG 2.2 Level AA across Web, iOS, and Android — semantic ARIA roles and labels, accessibility traits and hints, focus management, contrast, target size, and screen-reader support. Use when building or auditing UI for accessibility compliance, keyboard navigation, or screen-reader support.

日本語の概要は準備中です。原文の説明を表示しています。

affaan-m/ECC27.7万2026年10月10日 更新

Full-stack diagnostic for agent and LLM applications. Audits the 12-layer agent stack for wrapper regression, memory pollution, tool discipline failures, hidden repair loops, and rendering corruption. Produces severity-ranked findings with code-first fixes. Essential for developers building agent applications, autonomous loops, or any LLM-powered feature. Use when an agent or LLM feature misbehaves and the failing layer is unknown, or before shipping an agent stack.

日本語の概要は準備中です。原文の説明を表示しています。

affaan-m/ECC27.7万2026年10月10日 更新

Head-to-head comparison of coding agents (Claude Code, Aider, Codex, etc.) on custom tasks with pass rate, cost, time, and consistency metrics. Use when choosing between coding agents, or when a change to an agent setup needs measured pass rate, cost, and time rather than an impression.

日本語の概要は準備中です。原文の説明を表示しています。

affaan-m/ECC27.7万2026年10月10日 更新

Design and optimize AI agent action spaces, tool definitions, and observation formatting for higher completion rates. Use when defining or revising an agent's tool set, action space, or observation format.

日本語の概要は準備中です。原文の説明を表示しています。

affaan-m/ECC27.7万2026年10月10日 更新

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

日本語の概要は準備中です。原文の説明を表示しています。

affaan-m/ECC27.7万2026年10月10日 更新

Structured self-debugging workflow for AI agent failures using capture, diagnosis, contained recovery, and introspection reports. Use when an agent run fails and you need a reproducible diagnosis instead of a retry.

日本語の概要は準備中です。原文の説明を表示しています。

affaan-m/ECC27.7万2026年10月5日 更新

affaan-m のスキルをすべて見る

このスキルの問題を報告する