原子直觉：给 AI 助手建一套会自我进化的记忆系统

上一篇聊了用 Stop hook 做批量 skill 收割。这套方案跑了一段时间后我发现了一个问题：颗粒度太粗。一次解决了某个 React 渲染问题，shill 就写成「遇到 React 问题先检查 hooks 顺序」——听起来正确，但放到 Python 项目里毫无意义，偏偏它就静静待在全局 skill 列表里，每次都被加载进 context。

真正的问题是：AI 助手学习的单位不应该是「一整套解法」，而应该是一个触发条件、一个动作、一份证据，仅此而已。

从 skill 到 instinct：颗粒度下移

我把这类原子单位叫做 instinct（直觉）。它长这样：

id: prefer-functional-style
trigger: "when writing new functions"
confidence: 0.7
domain: code-style
scope: project

三个关键属性：

trigger：在什么场景下激活。不是泛化的「写代码时」，而是具体的触发上下文。

confidence：0.3 到 0.9 的置信度。这是最有意思的设计——instinct 不是非黑即白的「开启/关闭」，而是一个持续校准的浮点数。你纠正了 AI 的行为，confidence 下降；你连续几次没有干预，confidence 上升。置信度到 0.7 才会自动应用，0.9 才成为核心行为。

scope：project 还是 global。这是 v2.1 新增的维度，也是解决「跨项目污染」问题的关键。

项目隔离：阻断知识串台

当你同时维护多个技术栈差异很大的项目时，知识串台是个真实的痛点。在 A 项目养成的「用 dataclass 替代 dict」在 B 项目（TypeScript）完全没有意义，但如果 instinct 全部存在全局作用域里，它们就会互相干扰。

v2.1 的方案是按 git remote URL 的 hash 做项目隔离：

~/.claude/homunculus/projects/
├── a1b2c3d4e5f6/   ← 项目 A 的 instincts
│   └── instincts/personal/
└── f6e5d4c3b2a1/   ← 项目 B 的 instincts
    └── instincts/personal/

同一个 repo，不同机器 clone 下来，hash 一致（基于 remote URL），这个设计挺干净的。

真正跨项目都适用的模式——比如「编辑前先 grep 确认位置」、「SQL 查询必须处理注入」——满足「两个以上项目、置信度均超 0.8」时才会自动晋升为 global instinct。这个晋升机制相当于一个过滤器：只有经过多项目验证的模式才有资格成为普遍规则。

演化路径：instinct → skill → agent

单个 instinct 只是原材料。/evolve 命令会把相关的 instinct 聚类，当某个领域的 instinct 足够密集时，自动生成完整的 skill 文档或者专用 agent。

这个从原子到组合的演化路径，让知识积累变成了一个连续的过程，而不是「某天我决定手写一个 skill」的一次性动作。背后跑的观测 agent 用的是轻量模型（Haiku），在后台每隔几分钟分析一次观测日志，不占用主会话的 context。

我觉得这里有一个更通用的设计原则值得记下来：让系统在你工作的间隙悄悄完成整理，而不是让整理本身成为一项需要你主动执行的任务。记录、分类、晋升，都应该是后台发生的事情。

一句话心法

instinct 的置信度是一面镜子——它的高低反映的不是 AI 有多「确定」，而是你纠正过它多少次。