conversation-analyzer

会話アナライザー

Claude Code の会話履歴を分析し、パターン、よくあるミス、ワークフローの改善機会を特定します。

使用するタイミング

• 「会話を分析して」
• 「Claude Code の履歴を確認して」
• 「使い方にどんなパターンが見られる？」
• 「ワークフローを改善するにはどうすればいい？」
• 「Claude Code を効果的に使えている？」

分析内容

1. リクエスト種別の分布（バグ修正、機能追加、リファクタリング、問い合わせ、テスト）
2. 最もアクティブなプロジェクト
3. よく使われるエラー関連のキーワード
4. 時間帯別のパターン
5. 反復タスク（自動化の機会）
6. やり取りの往復を引き起こす曖昧なリクエスト
7. 計画なしで試みた複雑なタスク
8. 繰り返し発生するバグやエラー

分析範囲

デフォルト：新しさと関連性を重視し、直近の200件の会話を対象にします。

分析方法

1. リクエスト種別の分布

バグ修正、機能追加、リファクタリング、情報の問い合わせ、テスト、その他に分類します。

2. プロジェクトのアクティビティ

最も時間を費やしているプロジェクトを追跡し、プロジェクト固有のパターンを特定します。

3. 時間帯のパターン

時間帯別の利用状況を分析し、生産性の高い時間帯を特定します。

4. よくあるミス

• 曖昧なリクエスト：最初のリクエストにおける情報不足と、適切な追加リクエストを区別します
• 同じ修正の繰り返し：同じ問題が複数回発生している状態です
• 複雑なタスク：計画なしの複数ステップのリクエストです
• 反復的なコマンド：自動化できる手作業です

5. エラー分析

エラー関連のリクエスト頻度、よく使われるエラー関連のキーワード、繰り返し発生する問題を分析します。

6. 自動化の機会

まったく同じリクエストの繰り返しを特定し、スキル、スラッシュコマンド、スクリプトを提案します。

出力

次の内容を含む構造化レポートを作成します。

• 統計：リクエスト種別、アクティブなプロジェクト、時間帯のパターン
• パターン：よくあるタスク、反復的なコマンド、複雑さを示す指標
• 問題：具体例を含む個別の問題
• 推奨事項：優先順位を付けた、実行可能な改善策

使用するツール

• Read：履歴ファイル（~/.claude/history.jsonl）を読み込みます
• Write：リクエストに応じて分析レポートを作成します
• Bash：Python 分析スクリプトを実行します
• 直接分析：JSON をプログラムで解析します

分析スクリプト

包括的な分析には scripts/analyze_history.py を使用します。

機能：

• ~/.claude/history.jsonl を読み込み、解析します
• 複数の観点からパターンを分析します
• よくあるミスや非効率を特定します
• 実行可能な推奨事項を生成します
• 詳細なレポートを出力します

スキル内での使用方法： ユーザーが分析をリクエストすると、自動的に実行されます。

単体での使用方法：

cd ~/.claude/plugins/*/productivity-skills/conversation-analyzer/scripts
python3 analyze_history.py

出力：

• conversation_analysis.txt - 詳細なパターン分析
• recommendations.txt - 具体的な改善案

出力例

Analyzed last 200 conversations:
- 60% general tasks, 15% bug fixes, 13% feature additions
- Project "ultramerge" dominates 58% of activity
- Same test-fixing request made 8 times
- 19 multi-step requests without planning
- Peak productivity: 13:00-15:00

Recommendations:
- Use test-fixing skill for recurring test failures
- Create project-specific utilities for ultramerge
- Use feature-planning skill for complex requests
- Add tests to prevent recurring bugs
- Schedule complex work during peak hours

成功基準

• ユーザーが自身の利用パターンを理解できる
• 具体的で実行可能な推奨事項がある
• 履歴に基づく具体例がある
• 影響度に応じて優先順位が付いている（すぐに取り組める改善策と長期的な改善策）
• ユーザーがすぐに改善策を実行できる

連携

• feature-planning：推奨された改善を実施します
• test-fixing：繰り返し発生するテスト失敗に対処します
• git-pushing：ワークフローの改善をコミットします

プライバシーに関する注意

すべての分析はローカルで行われます。会話履歴がユーザーのマシンから外部に送信されることはありません。