Session Archiver Pro

从 AI 聊天会话中提取结构化记忆。将原始对话日志转化为组织良好的知识：包括 决策、待办事项、知识点、用户偏好 和 风险。

为何选择 Session Archiver Pro？

• 持久化关键信息：无需再滚动翻阅冗长的聊天记录，只为找到某一条关键决策。
• 跨会话感知能力：在不同对话之间关联相关信息。
• 开箱即用的知识管理支持：导出为 Markdown、JSON 或 Obsidian 兼容格式，无缝接入你的笔记工作流。
• 智能体记忆注入支持：输出格式专为直接注入智能体长期记忆而设计。

工作流程（9 步）

输入：一个或多个会话日志（纯文本 / .log / .json / 剪贴板）
↓
[1] 解析对话结构：识别用户消息、助手回复、工具调用、决策点
[2] 按对话脉络分段：问题定义 → 探索过程 → 决策生成 → 行动计划
[3] 提取 5 类结构化信息：
    📌 关键决策 — 明确的选择或结论
    ✅ 待办事项 — 谁需在何时完成何事
    📚 知识点 — 可复用的事实或洞见
    ⭐ 用户偏好 — 显式表达的喜好/厌恶、风格倾向、标准要求
    ⚠️ 风险与问题 — 已识别的潜在问题
[4] 去重与合并：跨会话整合相同或相关条目
[5] 生成主题标签：为每个会话自动分类，支持层级化标签体系
[6] 构建跨会话图谱：关联不同会话中的相关内容（例如“该决策与上周的待办事项相关”）
[7] 按所选格式导出：Markdown 报告 / JSON / Obsidian 兼容笔记
[8] （可选）按智能体长期记忆注入格式进行二次格式化
[9] 生成执行摘要：5 句概览，便于快速回顾
↓
输出：结构化记忆报告 + 标签索引 + 跨会话链接 + 执行摘要

适用场景

• 与 AI 助理完成长时间规划会话后
• 开启与相关主题的新一轮对话前
• 每周对 AI 辅助工作进行复盘时
• 为新团队成员接入现有项目做准备时
• AI 智能体上下文窗口即将重置前

示例提示词

示例 1：日常会话摘要

“汇总今日关于 SaaS 定价模型的 3 场聊天会话。提取其中的决策、待办事项及待解决问题。”

示例 2：跨会话知识挖掘

“我过去一周共进行了 12 场关于产品发布的会话。请找出全部决策点，并构建时间线。”

示例 3：偏好提取

“从我所有与代码助手的对话中，提取我的编码风格偏好（包括 linting 规则、测试方式、命名规范等）。”

示例 4：风险识别

“扫描这 5 场设计评审会话，标记出所有需要我在最终确认前重新审视的风险信号或潜在张力。”

示例 5：智能体记忆准备

“归档本次关于数据库迁移规划的会话。输出格式需适配我的 AI 助理长期记忆注入（agent-memory-injection format）。”

首次成功路径

1. 运行：python3 scripts/archiver.py --file sample_session.log
2. 在 stdout 中查看结构化输出（默认为 Markdown 格式）
3. 使用 --format json 获取适合程序化处理的输出
4. 使用 --format obsidian 实现与笔记系统的集成
5. 使用 --dir ./sessions/ 对多个会话日志进行批量处理

输出示例

Markdown 报告（以决策为中心）

# Session 记忆报告 — SaaS 定价（3 场会话）

## 📌 关键决策（4 条）
| # | 决策 | 会话 | 影响 |
|---|----------|---------|--------|
| 1 | 按用量计费模式 | Session-1 | 收入模型转变 |
| 2 | 目标用户群：SMB（10–50 席位） | Session-1 | 产品定位调整 |
| 3 | 免费层上限：1K MAU | Session-2 | 用户获取漏斗设计 |
| 4 | 不提供仅限年付选项 | Session-3 | 现金流考量 |

## ✅ 待办事项（6 条）
- [ ] 验证竞品定价（John，截止本周五）
- [ ] 开展 5 场客户访谈（团队，下周）
- [ ] 设计定价页原型（设计组，周一）

## 📚 知识点（8 条）
- 行业转化率：免费→付费为 3–5%
- AWS 定价采用用量计费 + 预留实例混合模式
- 所有竞品均提供年度折扣（15–20%）

## ⭐ 用户偏好（3 条）
- 偏好简洁清晰的定价方案（不接受功能分级过度堆叠）
- 排斥隐藏费用或“起售价”式诱饵-转换策略
- 要求在前期即透明呈现成本计算逻辑

## ⚠️ 风险（2 条）
- 免费层计算资源成本在规模化后可能超出预算
- 最低承诺用量可能令 SMB 用户群体产生顾虑

JSON 输出片段

{
  "sessions": ["session-1", "session-2", "session-3"],
  "decisions": [{"text": "Usage-based pricing model","session": "session-1","tags": ["pricing","revenue-model"]}],
  "knowledge_points": [{"text": "Industry conversion rate: 3-5% free→paid","source": "session-2"}]
}

CLI 使用说明

python3 scripts/archiver.py --help
  --file PATH         单个会话日志文件路径
  --dir PATH          会话日志所在目录路径
  --format FORMAT     输出格式：markdown（默认）、json、obsidian、memory-inject
  --tags              启用自动打标（默认启用）
  --graph             启用跨会话关联（默认启用）

标签

session-archiver-pro, memory, session, archive, extract, knowledge-management, obsidian, chat-summary