📦 その他コミュニティ 🟡 少し慣れが必要 👤 幅広いユーザー

📦 Continuous Learning

continuous-learning

Claude Codeとの対話の中から、繰り返し使える効率的な

⚡ ⏱ この作業数時間 → 数分

📺 まず動画で見る(YouTube)

▶ 【Claude Code完全入門】誰でも使える/Skills活用法/経営者こそ使うべき ↗

※ jpskill.com 編集部が参考用に選んだ動画です。動画の内容と Skill の挙動は厳密には一致しないことがあります。

📜 元の英語説明(参考)

Claude Codeセッションから再利用可能なパターンを自動的に抽出し、将来の使用のために学習済みスキルとして保存します。

🇯🇵 日本人クリエイター向け解説

一言でいうと

Claude Codeとの対話の中から、繰り返し使える効率的な

※ jpskill.com 編集部が日本のビジネス現場向けに補足した解説です。Skill本体の挙動とは独立した参考情報です。

⬇ このSkillをダウンロード(.skill) 元のソースを見る ↗

⚠️ ダウンロード・利用は自己責任でお願いします。当サイトは内容・動作・安全性について責任を負いません。

🎯 このSkillでできること

下記の説明文を読むと、このSkillがあなたに何をしてくれるかが分かります。Claudeにこの分野の依頼をすると、自動で発動します。

📦 インストール方法 (3ステップ)

1. 上の「ダウンロード」ボタンを押して .skill ファイルを取得
2. ファイル名の拡張子を .skill から .zip に変えて展開(macは自動展開可)
3. 展開してできたフォルダを、ホームフォルダの .claude/skills/ に置く
- · macOS / Linux: ~/.claude/skills/
- · Windows: %USERPROFILE%\.claude\skills\

Claude Code を再起動すれば完了。「このSkillを使って…」と話しかけなくても、関連する依頼で自動的に呼び出されます。

詳しい使い方ガイドを見る →

最終更新: 2026-05-17
取得日時: 2026-05-17
同梱ファイル: 1

💬 こう話しかけるだけ — サンプルプロンプト

› Continuous Learning の使い方を教えて
› Continuous Learning で何ができるか具体例で見せて
› Continuous Learning を初めて使う人向けにステップを案内して

これをClaude Code に貼るだけで、このSkillが自動発動します。

📖 Claude が読む原文 SKILL.md(中身を展開)

この本文は AI(Claude)が読むための原文(英語または中国語)です。日本語訳は順次追加中。

継続学習スキル

Claude Codeセッションを終了時に自動的に評価し、学習済みスキルとして保存できる再利用可能なパターンを抽出します。

動作原理

このスキルは各セッション終了時にStopフックとして実行されます:

セッション評価: セッションに十分なメッセージがあるか確認(デフォルト: 10以上)
パターン検出: セッションから抽出可能なパターンを識別
スキル抽出: 有用なパターンを~/.claude/skills/learned/に保存

設定

config.jsonを編集してカスタマイズ:

{
  "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"
  ]
}

パターンの種類

パターン	説明
`error_resolution`	特定のエラーの解決方法
`user_corrections`	ユーザー修正からのパターン
`workarounds`	フレームワーク/ライブラリの癖への解決策
`debugging_techniques`	効果的なデバッグアプローチ
`project_specific`	プロジェクト固有の規約

フック設定

~/.claude/settings.jsonに追加:

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

Stopフックを使用する理由

軽量: セッション終了時に1回だけ実行
ノンブロッキング: すべてのメッセージにレイテンシを追加しない
完全なコンテキスト: セッション全体のトランスクリプトにアクセス可能

比較ノート (調査: 2025年1月)

vs Homunculus

Homunculus v2はより洗練されたアプローチを採用:

機能	このアプローチ	Homunculus v2
観察	Stopフック(セッション終了時)	PreToolUse/PostToolUseフック(100%信頼性)
分析	メインコンテキスト	バックグラウンドエージェント(Haiku)
粒度	完全なスキル	原子的な「本能」
信頼度	なし	0.3-0.9の重み付け
進化	直接スキルへ	本能 → クラスタ → スキル/コマンド/エージェント
共有	なし	本能のエクスポート/インポート

homunculusからの重要な洞察:

"v1はスキルに観察を依存していました。スキルは確率的で、発火率は約50-80%です。v2は観察にフック(100%信頼性)を使用し、学習された振る舞いの原子単位として本能を使用します。"

v2の潜在的な改善

本能ベースの学習 - 信頼度スコアリングを持つ、より小さく原子的な振る舞い
バックグラウンド観察者 - 並行して分析するHaikuエージェント
信頼度の減衰 - 矛盾した場合に本能の信頼度が低下
ドメインタグ付け - コードスタイル、テスト、git、デバッグなど
進化パス - 関連する本能をスキル/コマンドにクラスタ化

詳細: docs/continuous-learning-v2-spec.mdを参照。