Sürekli Öğrenme Skill'i

Claude Code oturumlarını sonunda otomatik olarak değerlendirir ve öğrenilmiş skill'ler olarak kaydedilebilecek yeniden kullanılabilir kalıpları çıkarır.

Ne Zaman Aktifleştirmelisiniz

• Claude Code oturumlarından otomatik kalıp çıkarma ayarlarken
• Oturum değerlendirmesi için Stop hook'u yapılandırırken
• ~/.claude/skills/learned/ içindeki öğrenilmiş skill'leri incelerken veya düzenlerken
• Çıkarma eşiklerini veya kalıp kategorilerini ayarlarken
• v1 (bu) ile v2 (instinct tabanlı) yaklaşımlarını karşılaştırırken

Nasıl Çalışır

Bu skill her oturumun sonunda Stop hook olarak çalışır:

1. Oturum Değerlendirmesi: Oturumun yeterli mesaja sahip olup olmadığını kontrol eder (varsayılan: 10+)
2. Kalıp Tespiti: Oturumdan çıkarılabilir kalıpları tanımlar
3. Skill Çıkarma: Yararlı kalıpları ~/.claude/skills/learned/ dizinine kaydeder

Konfigürasyon

Özelleştirmek için config.json dosyasını düzenleyin:

{
  "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"
  ]
}

Kalıp Tipleri

Hook Kurulumu

~/.claude/settings.json dosyanıza ekleyin:

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

Neden Stop Hook?

• Hafif: Oturum sonunda bir kez çalışır
• Bloke Etmeyen: Her mesaja gecikme eklemez
• Tam Bağlam: Tam oturum kaydına erişimi vardır

İlgili

• The Longform Guide - Sürekli öğrenme bölümü
• /learn komutu - Oturum ortasında manuel kalıp çıkarma

Karşılaştırma Notları (Araştırma: Ocak 2025)

vs Homunculus

Homunculus v2 daha sofistike bir yaklaşım benimsiyor:

Homunculus'tan temel içgörü:

"v1 gözlem için skill'lere güveniyordu. Skill'ler olasılıksaldır—zamanın ~%50-80'inde tetiklenirler. v2 gözlem için hook'ları kullanır (%100 güvenilir) ve öğrenilmiş davranışın atomik birimi olarak instinct'leri kullanır."

Potansiyel v2 İyileştirmeleri

1. Instinct tabanlı öğrenme - Güven skorlaması ile daha küçük, atomik davranışlar
2. Arka plan gözlemcisi - Paralel analiz yapan Haiku agent'ı
3. Güven azalması - Çelişkiye uğrarsa instinct'ler güven kaybeder
4. Alan etiketleme - code-style, testing, git, debugging, vb.
5. Evrim yolu - İlgili instinct'leri skill/command'lara kümeleme

Bkz: Tam spec için docs/continuous-learning-v2-spec.md.