AI 会话分析

概述

分析来自本地 AI 编程工具的会话数据。系统预置了三个脚本，用于提取原始数据。你（作为 agent）需阅读这些输出，并基于数据自主形成观察结论——所有脚本中均不含硬编码规则或阈值判断逻辑。

数据来源

脚本直接读取以下路径，无需手动复制文件：

运行方式

# 文本模式分析（终端输出）
python3 ~/.claude/skills/ai-session-analysis/scripts/analyze.py
python3 ~/.claude/skills/ai-session-analysis/scripts/tool_analysis.py

# 生成带图表的 HTML 报告（自动在浏览器中打开）
python3 ~/.claude/skills/ai-session-analysis/scripts/generate_report.py [output.html]

零依赖，仅使用 Python 3 标准库。所有脚本均为纯数据提取器——仅呈现数值、分布与时间线，不包含任何解释性逻辑。

各脚本提取内容说明

analyze.py —— 全局概览：

• 按工具维度：会话数量、消息总量、工具调用分布、项目热度排名、每日活跃时间线、时间跨度
• 跨工具对比表格
• 近 7 日活跃度：每日工具调用次数、活跃项目列表、工具组合比例、单次会话内时间线

tool_analysis.py —— 深度剖析：

• 各工具调用的 Shell 命令分类统计（如 git、grep/find、npm/yarn、python 等）
• 文件操作次数（Read/Write/Edit）及文件类型分布
• 按项目维度拆解的工具使用情况
• Codex：Token 使用量、网页搜索主题、错误信息
• Kimi：超出标准工具集的领域专用工具

generate_report.py —— HTML 报告生成：

• 自包含 HTML 文件，内嵌全部数据与 Chart.js 可视化图表
• 摘要卡片、每日活跃时间线、工具调用分布环形图、项目维度拆解
• 三款工具间 Shell 命令使用对比
• 文件操作统计、Token 使用量、会话时间线散点图
• 会话时长分布、每日小时级活跃热力图
• Codex 深度分析（代码补丁、网页搜索、退出码）
• Kimi 领域专用工具

运行后操作

请仔细阅读两个脚本的输出结果，然后向用户清晰陈述你的观察发现。可重点考虑以下维度：

• 用户实际在做什么？（探索代码 vs 开发功能 vs 调试问题 vs 代码审查）
• 哪些项目正受到关注？哪些项目已长时间沉寂？
• 工具使用模式：是否过度依赖某一款工具？当前工具组合是否与其工作性质匹配？
• 跨工具行为：是否尝试某一工具后切换至其他工具？该行为可能暗示什么？
• 近期 vs 历史趋势：是否存在行为模式、强度或关注焦点的明显变化？
• 是否存在摩擦迹象：例如大量失败命令、重复重试、高频报错等？

切勿应用固定阈值或规则（例如“若 bash 占比 > 40% 则发出警告”）。应综合全局上下文进行专业判断。若发现显著异常，请明确指出；若无明显异常，也请如实说明。

安全提示

HTML 报告（由 generate_report.py 生成）将直接嵌入你的会话数据——包括文件路径、Shell 命令、项目名称以及工具调用模式。该报告在个人设备上本地使用是安全的，但切勿将生成的 HTML 文件分享给他人，或将其公开托管。而基于终端输出的脚本（analyze.py 和 tool_analysis.py）仅打印聚合统计信息，可安全共享。

常见问题

• Claude Code 显示工具调用极少：工具调用记录位于 ~/.claude/projects/*.jsonl 中（即 assistant → content 块内含 "type": "tool_use"），而非 history.jsonl。
• Codex 会话为空：请检查 ~/.codex/sessions/2026/ 下的子目录（按年/月/日组织）。
• Kimi 工具名称缺失：ToolCall 条目存在于 wire.jsonl 中，可通过 payload.function.name 字段提取。