Agent Continuous Learning

从 AI Agent 会话中自动提取、评估和保存可重用模式的系统。 参考：https://github.com/affaan-m/everything-claude-code/tree/main

概述

这个项目实现了一套 持续学习机制，让 AI Agent 能够：

1. 提取模式 — 从会话中识别有价值的问题解决模式、调试技巧和变通方案
2. 质量评估 — 使用五维评分表对提取的模式进行自评，确保质量
3. 智能存储 — 根据模式的适用范围，自动选择全局或项目级别的存储位置

核心功能

模式提取

系统会自动识别以下类型的可重用知识：

类型	描述
错误解决模式	根因分析 + 修复方案 + 可复用性评估
调试技巧	非显而易见的调试步骤、工具组合使用
变通方案	库的怪癖、API 限制、版本特定的修复方法
项目特定模式	约定、架构决策、集成模式

质量评估

使用五维评分表确保保存的技能质量：

维度	评估内容
具体性	是否有充足的代码示例
可操作性	是否立即可执行
范围适配	名称、触发条件、内容是否匹配
非冗余性	是否提供独特的价值
覆盖度	是否覆盖主要场景和边界情况

每个维度 1-5 分，总分 25 分。所有维度必须 ≥ 3 分才能保存。

存储策略

• 全局存储 (~/.claude/skills/learned/)：可在多个项目中复用的通用模式
• 项目存储 (.claude/skills/learned/)：项目特定的知识和约定

文件结构

Agent-Continuous-Learning/
├── README.md           # 项目说明
├── learn-eval.md       # 核心技能定义：提取、评估、保存流程
└── .claude/
    └── skills/
        └── learned/    # 项目级学习到的技能

使用方法

在 Claude Code 中调用 /learn-eval 命令，系统会：

1. 回顾当前会话，寻找可提取的模式
2. 识别最有价值的洞察
3. 确定保存位置（全局 vs 项目）
4. 起草技能文件
5. 进行质量自评
6. 展示给用户确认
7. 保存到确定的位置

流程图

调用 /learn-eval
         ↓
  回顾会话 → 发现模式? → 识别类型（4种）
                            ↓
                确定存储位置（全局/项目）
                            ↓
                      起草技能文件
                            ↓
                      五维质量评估 ←──┐
                            ↓          │
                所有维度 ≥ 3? ─否─ 改进草稿
                            ↓是
                      用户确认 ─否─ 修改
                            ↓是
                      保存完成 ✓

跨平台安装方案

支持的 Coding Agent 平台

平台	类型	安装方式	自定义命令支持
Claude Code	AI 原生 CLI	Plugin + 手动复制	✅ /learn-eval
Cursor	AI 原生 IDE	.cursorrules + .cursor/commands/	✅ 支持
Windsurf	AI 原生 IDE	.windsurfrules + MCP	✅ 支持
Zed	AI 编辑器	~/.config/zed/tasks.json	⚠️ Task 形式
VS Code + Copilot	插件型	.github/copilot-instructions.md	❌ 仅 Prompt
OpenCode	AI CLI	Plugin 系统	✅ 完全兼容

安装方案

Claude Code

# 方式 1: 手动安装（推荐）
mkdir -p ~/.claude/commands
cp learn-eval.md ~/.claude/commands/

# 使用
/learn-eval

Cursor

# 创建 Cursor 配置目录
mkdir -p .cursor/commands

# 复制技能文件
cp learn-eval.md .cursor/commands/learn-eval.md

# 创建 .cursorrules（可选，用于全局规则）
echo "When user types /learn-eval, follow the workflow in .cursor/commands/learn-eval.md" >> .cursorrules

Windsurf

# 创建 .windsurfrules
cat > .windsurfrules << 'EOF'
## 自定义命令

### /learn-eval
从当前会话中提取可重用模式，评估质量后保存为技能。
详细流程见 `.windsurf/commands/learn-eval.md`
EOF

# 创建命令目录
mkdir -p .windsurf/commands
cp learn-eval.md .windsurf/commands/

Zed

# 编辑 Zed tasks 配置
# ~/.config/zed/tasks.json
{
  "learn-eval": {
    "command": "echo '从会话提取模式并评估'",
    "env": {},
    "allow_concurrent_runs": false
  }
}

VS Code + GitHub Copilot

# 创建项目级指令文件
mkdir -p .github
cat > .github/copilot-instructions.md << 'EOF'
# 持续学习指令

当用户请求提取模式时，按以下流程执行：
1. 回顾会话，识别可复用模式
2. 使用五维评分表评估质量
3. 确定保存位置（全局 vs 项目）
4. 起草技能文件并等待用户确认

详细说明见 learn-eval.md
EOF

OpenCode

# OpenCode 与 Claude Code 插件兼容
mkdir -p ~/.claude/commands
cp learn-eval.md ~/.claude/commands/

一键安装

# 克隆仓库
git clone https://github.com/denki-san/Agent-Continuous-Learning.git
cd Agent-Continuous-Learning

# 运行安装脚本（自动检测 Agent 类型）
bash install.sh

或指定目标平台：

bash install.sh --claude     # 安装到 Claude Code
bash install.sh --cursor     # 安装到 Cursor
bash install.sh --windsurf   # 安装到 Windsurf

设计理念

• 不提取琐碎修复 — 拼写错误、简单语法错误不值得保存
• 不提取一次性问题 — 特定 API 宕机等临时问题不保存
• 聚焦可复用性 — 只保存能在未来会话中节省时间的模式
• 保持单一职责 — 一个模式对应一个技能文件

License

MIT