写个 Hook 截胡大模型:将零散的 AI 对话重塑为本地知识资产
我同时开着好几个 Claude Code 的会话窗口。
一个在推敲怎么为我独立开发的 App 接入用户反馈功能,一个在帮我创建 logging-session skill,还有一个,正在基于 Obsidian 仓库中的工作资料,帮我生成给领导的演讲稿。每个窗口都聊了多轮,调整代码、优化流程、纠正语感。
人其实并不是擅长多线程处理的生物,但在 AI 时代,为了不在等待模型「吐字」的间隙去无脑刷微博,我被迫习惯了同时开几个窗口「压榨」时间。
但随之而来的问题,是我对于过程的记忆会变得相当模糊。也许最终我会实现这个反馈功能,有一个好用的 skill,拿出一份能交差的演讲稿,但过程中我和 AI 对于实现方案的探讨、权衡取舍、最终的妥协,都会在关闭终端的那一刻抛诸脑后。
另一方面,我有定期复盘的习惯。当前复盘的上下文,来自我的 dailylog 文档、番茄钟数据以及 GitHub 上的 commit 记录。基于这些信息,我能够让 AI 帮我总结出每周的成果,但仍然缺乏对于实现细节的分析。
在 AI 工具中产生的对话,是当下最真实的工作快照,但很少有人会去翻看他们,并且包含多轮交互的对话,期间夹杂着大量执行记录,并不适宜阅读。
面对这种算力与心力的双重浪费,我决定写一个工具。它必须能在每次对话结束时,自动把「问了什么、想了什么、结果是什么」无感提取并保存下来。
二
保存会话的方式得满足两个条件。第一,支持记录多个项目的会话,独立开发、Obsidian 仓库或是自建的 skill,这些不同路径的项目会话应当能统一保存并加以区分;第二,得方便检索,而不是在一堆文本文件里 grep。
我一开始也想过存 Markdown,每个项目一个文件夹,每次对话写一个文件。但试了试发现不行,一旦想跨项目做聚合,比如「过去 7 天我做了什么」,就得写脚本遍历所有文件夹、解析每个文件的前置元数据、再拼接在一起。太折腾了。
也考虑过 JSON,一个项目一个大数组,往里追加就行。但 JSON 文件读多了要全量加载到内存,而且查「项目 A 最近 7 天的 bugfix 有几个」这种条件查询,还是得写代码遍历。
最终选了 SQLite。一个数据库文件,一张表,所有项目的会话记录都在里面。想查「这周项目 A 做了什么」,一条 SQL 搞定。而且 SQLite 是单文件数据库,放在 Obsidian 的 vault 里,iCloud 自动同步,走到哪都能用。
每次会话存储的信息,应当包括以下几个方面:
标识信息,比如唯一性 id,创建时间,项目名称,git commit 的哈希值; 完整内容,包括我提出的问题,Agent 的思考过程,以及最终输出的结果; 关联性( parent_id),有些会话是上一次的延续,串起来才能看到完整的线索;分类( task_category),bugfix、feature、refactor 之类,后面做统计的时候按分类汇总很方便。
git commit 的哈希值本来是一个顺手记录的信息,但它居然真的发挥了作用:我在 Claude Code 中使用 rewind 命令多返回了一个 checkpoint,导致最后一次提交的内容也被撤销了。
通过会话记录我查询到了当时提交的 commit 哈希值,AI 在本地的 reflog 中找到了记录,并帮我恢复了文件改动。
三
想好了存哪,存什么,还得解决怎么存。
部分环境信息可以通过脚本来生成和获取,比如唯一性 id、项目名称等等,但 Agent 的执行过程只有它自己最清楚。
我让 Claude Code 帮我写了一个叫 logging-session 的 skill。我在这份操作手册里写清楚了,对话结束时要提炼哪些字段、怎么生成会话 ID、项目名从哪里获取、查询脚本怎么调用。
实际效果是这样的。对话结束,我输入 /logging-session,Claude Code 会自动从当前对话中提炼出三个东西,用户的问题是什么、中间的思考过程是怎样的、最终做到了什么。然后生成一个会话 ID,从当前目录拿到项目名和 git hash,调用写入脚本,一条记录就存进数据库了。
比如我修完一个登录页的 bug,记录下来长这样: