本文提出了持续知识保护分解框架（CKPD-FSCIL），旨在解决少样本类增量学习中的灾难性遗忘问题。该框架通过将模型权重分解为知识敏感组件和冗余容量组件，既能适应新能力，又能有效保护已有知识。实验结果表明，CKPD-FSCIL在多个基准测试中优于现有方法。