Fil de meng shao (@shao__meng)

[Recommandation Open Source] Journal de Claude : « Écriture de journal » + « réflexion », extraction d’expériences pour mettre à jour les souvenirs, permettant à Claude Code d’apprendre et d’évoluer continuellement comme un humain. Mécanisme de fonctionnement : Ce système, imitant une boucle d'apprentissage humaine, s'appuie astucieusement sur les avancées universitaires en sciences cognitives et en IA (l'architecture CoALA et l'article de Stanford sur les agents génératifs) pour consolider la mémoire à travers les trois étapes suivantes : 1. Enregistrement (Capture / Journal) • Action : Utilisez la commande /diary (manuellement ou automatiquement lors de la compression de sessions longues) pour que Claude résume les points clés de la session en cours. • Contenu : Cela comprend ce qui a été accompli, les décisions de conception, les défis rencontrés, les préférences explicites des utilisateurs et les commentaires des revues de code (PR). • Stockage : Enregistrer sous forme de fichier journal au format Markdown. 2. Réflexion • Action : Utilisez la commande /reflect pour permettre à Claude de lire les anciens journaux et de rechercher des schémas récurrents ou des violations. • Objectif : Extraire des principes généraux à partir d’exemples concrets. Par exemple, à partir d’une erreur de nommage de code, dégager des règles générales pour éviter de tels conflits de nommage à l’avenir. 3. Mise à jour de la mémoire • Résultat : Les règles extraites seront automatiquement mises à jour dans le fichier de commandes système de l'utilisateur (~/.claude/CLAUDE.md) sous la forme d'une liste concise sur une seule ligne. • Importance : Cela signifie que Claude se « souviendra » de ces règles nouvellement apprises lors de toutes les séances futures. L'auteur a partagé les bénéfices concrets qu'il a constatés après avoir utilisé l'outil pendant un mois, ce qui constitue une référence très précieuse : • Flux de travail Git : L’IA a appris le style de commit atomique et les conventions de nommage des branches préférés de l’auteur. • Qualité du code : En analysant les commentaires des demandes de fusion, l’IA a appris à éviter certains anti-modèles. • Habitudes de test : L'IA a appris à exécuter d'abord des tests ciblés pour obtenir un retour d'information rapide, puis à exécuter la suite de tests complète. • Autocorrection : Lorsque les règles du fichier CLAUDE.md sont ignorées, le mécanisme de réflexion identifie la violation et renforce les instructions pertinentes. Lire le texte original