browsing-history

閲覧履歴スキル

すべての同期済みデバイスの閲覧履歴を自然言語で検索します。

使用するタイミング

ユーザーが次のことを尋ねた場合に、このスキルを使用します。

• 読んだ記事やページ（昨日、先週など）
• 特定のデバイス（iPhone、iPad、デスクトップ）の閲覧履歴
• トピック、ドメイン、キーワードでページを検索すること
• 閲覧履歴をファイルにエクスポートすること
• 履歴をカテゴリやドメイン別にグループ化すること

データベース

場所：~/data/browsing.db

同期済みデバイス：iPhone、iPad、Mac、デスクトップ、Android

タイムスタンプ

• visit_time：Chrome から取得した実際の訪問日時（すべてのデバイスでカバー率 100%）
• first_seen：インポート日時（visit_time が利用できない場合の代替値）

このスキルでは、時間に基づく正確な検索に COALESCE(visit_time, first_seen) を使用します。

使用方法

python3 ~/.claude/skills/browsing-history/browsing_query.py "<query>" [options]

オプション

オプション	説明	例
--device	デバイスで絞り込む	--device iPhone
--days	過去にさかのぼる日数	--days 7
--domain	ドメインで絞り込む	--domain medium.com
--limit	結果の最大数	--limit 50
--format	出力形式	--format json
--output	ファイルに保存する	--output history.md
--group-by	結果をグループ化する	--group-by domain または --group-by category
--categorize	LLM を使ってカテゴリ分けする	--categorize

クエリの例

基本的なクエリ：

# Yesterday's browsing history
python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday"

# Articles from iPhone yesterday
python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday" --device iPhone

# Last week's history grouped by domain
python3 ~/.claude/skills/browsing-history/browsing_query.py "last week" --group-by domain

# Find articles about economics
python3 ~/.claude/skills/browsing-history/browsing_query.py "economics" --days 7

Obsidian に保存：

# Save yesterday's history as markdown
python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday" \
  --output ~/Research/vault/browsing-2025-11-27.md

# Save with LLM categorization
python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday" \
  --categorize --group-by category \
  --output ~/Research/vault/browsing-categorized.md

# Save as JSON
python3 ~/.claude/skills/browsing-history/browsing_query.py "last week" \
  --format json --output ~/Research/vault/history.json

デバイスを指定：

# iPhone tabs
python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday" --device iPhone

# Desktop history
python3 ~/.claude/skills/browsing-history/browsing_query.py "today" --device desktop

# All mobile devices
python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday" --device mobile

検索と絞り込み：

# Sites starting with "joy"
python3 ~/.claude/skills/browsing-history/browsing_query.py "joy" --days 7

# Medium.com articles
python3 ~/.claude/skills/browsing-history/browsing_query.py "last month" --domain medium.com

自然言語のパターン

スクリプトは次のパターンを認識します。

パターン	解釈
yesterday	前日
today	当日
last week	過去 7 日間
last month	過去 30 日間
last N days	過去 N 日間

キーワードは URL とタイトルを対象に検索されます。

出力形式

Markdown（デフォルト）

# Browsing History: yesterday

*47 unique URLs from 2025-11-27*

## 2025-11-27

- [Article Title](https://example.com/article) - iPhone - 14:32
- [Another Page](https://another.com/page) - desktop - 16:45

カテゴリ付き Markdown（--categorize --group-by category）

# Browsing History: yesterday

## News & Current Events
- [Breaking: Something Happened](https://news.com/...) - iPhone

## Technology & Programming
- [How to Build APIs](https://dev.to/...) - desktop

## Research & Learning
- [Academic Paper on AI](https://arxiv.org/...) - Mac

JSON（--format json）

{
  "query": "yesterday",
  "date_range": "2025-11-27",
  "total": 47,
  "results": [
    {"url": "...", "title": "...", "device": "iPhone", "time": "14:32", "category": "News"}
  ]
}

ワークフローの例

ユーザー：「昨日、スマートフォンで読んだ記事を表示して」

python3 ~/.claude/skills/browsing-history/browsing_query.py "yesterday" --device iPhone

ユーザー：「先週の閲覧履歴をカテゴリ別にグループ化して Obsidian に保存して」

python3 ~/.claude/skills/browsing-history/browsing_query.py "last week" \
  --categorize --group-by category \
  --output ~/Research/vault/browsing-week.md

ユーザー：「パソコンで読んだ経済に関する記事を探すのを手伝って」

python3 ~/.claude/skills/browsing-history/browsing_query.py "economics" \
  --device desktop --days 7

ユーザー：「先週見た、『joy』で始まるサイト」

python3 ~/.claude/skills/browsing-history/browsing_query.py "joy" --days 7

注意事項

• URL は日ごとに重複が排除されます（同じ日に同じ URL を閲覧した場合、1 件として記録されます）
• visit_time：Chrome の履歴から取得した実際の訪問日時
  • デスクトップ：カバー率 100%（Chrome SQLite の last_visit_time から取得）
  • モバイル：カバー率 100%（Chrome Sync LevelDB から抽出）
• first_seen：代替となるインポート日時（約 15 分単位の精度）
• LLM によるカテゴリ分けでは、llm CLI 経由で Claude 3.5 Haiku を使用します