집

Skill

개발자 도구

continual-learning

microsoft/skills

후크, 2단계 메모리(전역 및 국소), 자동 패턴 감지 기능을 활용하여 AI 코딩 에이전트를 위한 지속적인 학습 루프를 구현함으로써, 세션 간에 학습 내용을 유지하고 적용할 수 있도록 합니다.

...모든 것을 확장하십시오

업데이트 된 시간 2026년 9월 10일

# hooks # sqlite # memory # agent memory # continual learning # pattern detection

AI 코딩 에이전트를 위한 지속적인 학습

에이전트는 세션 사이에 배운 내용을 모두 잊어버립니다. 지속적 학습이 이 문제를 해결합니다.

The Loop

Experience → Capture → Reflect → Persist → Apply
     ↑                                       │
     └───────────────────────────────────────┘

빠른 시작

훅 설치 (한 단계):

cp -r hooks/continual-learning .github/hooks/

첫 세션에서 자동으로 초기화됩니다. 별도의 설정이 필요하지 않습니다.

2단계 메모리

글로벌 (~/.copilot/learnings.db) — 모든 프로젝트에서 사용자를 따라다닙니다:

도구 패턴(어떤 도구가 실패하고, 어떤 도구가 작동하는지)
프로젝트 간 표준
일반 코딩 선호 사항

로컬 (.copilot-memory/learnings.db) — 이 저장소에만 적용됩니다:

프로젝트별 규칙
이 코드베이스에서 흔히 발생하는 오류
팀 선호 사항

학습 내용 저장 방식

자동 저장 (훅을 통해)

훅은 도구 실행 결과를 모니터링하고 오류 패턴을 감지합니다:

Session 1: bash tool fails 4 times → learning stored: "bash frequently fails"
Session 2: hook surfaces that learning at start → agent adjusts approach

에이전트 내 방식 (store_memory / SQL을 통해)

에이전트가 학습 내용을 직접 기록할 수 있습니다:

INSERT INTO learnings (scope, category, content, source)
VALUES ('local', 'convention', 'This project uses Result not exceptions', 'user_correction');

분류: pattern, mistake, preference, tool_insight

수동 방식 (메모리 파일)

사람이 읽을 수 있고 버전 관리가 되는 지식을 위해:

# .copilot-memory/conventions.md
- Use DefaultAzureCredential for all Azure auth
- Parameter is semantic_configuration_name=, not semantic_configuration=

압축

학습 내용은 시간이 지남에 따라 유효성이 감소합니다:

조회 수가 적은 60일 이상 경과된 항목은 정리됩니다
가치가 높은 학습 내용(자주 참조되는 항목)은 무기한 유지됩니다
도구 로그는 7일 후에 정리됩니다

이를 통해 중요한 내용은 보존하면서 무제한적인 증가를 방지합니다.

모범 사례

설치 과정은 한 단계로 이루어집니다 — 만약 설치에 cp -r, 채택되지 않을 것입니다
범위를 올바르게 설정하세요 — 도구 패턴은 전역적으로, 프로젝트 관례는 로컬로
구체적으로 정하십시오 — "Use semantic_configuration_name=" 보다 낫다 "use the right parameter"
누적 효과를 기대하세요 — 세션마다 이루어지는 작은 개선들이 몇 주에 걸쳐 기하급수적인 성과를 만들어냅니다

GitHub에서 보기

---
name: continual-learning
description: Implements a continual learning loop for AI coding agents using hooks, two-tier memory (global and local), and automatic pattern detection to persist and apply learnings across sessions.
---

# Continual Learning for AI Coding Agents

Your agent forgets everything between sessions. Continual learning fixes that.

## The Loop

```
Experience → Capture → Reflect → Persist → Apply
     ↑                                       │
     └───────────────────────────────────────┘
```

## Quick Start

Install the hook (one step):
```bash
cp -r hooks/continual-learning .github/hooks/
```

Auto-initializes on first session. No config needed.

## Two-Tier Memory

**Global** (`~/.copilot/learnings.db`) — follows you across all projects:
- Tool patterns (which tools fail, which work)
- Cross-project conventions
- General coding preferences

**Local** (`.copilot-memory/learnings.db`) — stays with this repo:
- Project-specific conventions
- Common mistakes for this codebase
- Team preferences

## How Learnings Get Stored

### Automatic (via hooks)
The hook observes tool outcomes and detects failure patterns:
```
Session 1: bash tool fails 4 times → learning stored: "bash frequently fails"
Session 2: hook surfaces that learning at start → agent adjusts approach
```

### Agent-native (via store_memory / SQL)
The agent can write learnings directly:
```sql
INSERT INTO learnings (scope, category, content, source)
VALUES ('local', 'convention', 'This project uses Result<T> not exceptions', 'user_correction');
```

Categories: `pattern`, `mistake`, `preference`, `tool_insight`

### Manual (memory files)
For human-readable, version-controlled knowledge:
```markdown
# .copilot-memory/conventions.md
- Use DefaultAzureCredential for all Azure auth
- Parameter is semantic_configuration_name=, not semantic_configuration=
```

## Compaction

Learnings decay over time:
- Entries older than 60 days with low hit count are pruned
- High-value learnings (frequently referenced) persist indefinitely
- Tool logs are pruned after 7 days

This prevents unbounded growth while preserving what matters.

## Best Practices

1. **One step to install** — if it takes more than `cp -r`, it won't get adopted
2. **Scope correctly** — global for tool patterns, local for project conventions
3. **Be specific** — `"Use semantic_configuration_name="` beats `"use the right parameter"`
4. **Let it compound** — small improvements per session create exponential gains over weeks