conversation-analyzer

对话分析器

分析你的 Claude Code 对话历史，识别规律、常见错误和工作流改进机会。

适用场景

• “分析我的对话”
• “检查我的 Claude Code 历史记录”
• “你发现我的使用方式有哪些规律”
• “我该如何改进工作流”
• “我是否有效地使用了 Claude Code”

分析内容

1. 请求类型分布（错误修复、功能开发、重构、查询、测试）
2. 最活跃的项目
3. 常见错误关键词
4. 一天中的时段规律
5. 重复性任务（自动化机会）
6. 导致反复沟通的模糊请求
7. 未经过规划便尝试的复杂任务
8. 反复出现的缺陷／错误

分析范围

默认：最近 200 段对话，以确保内容新近且相关。

方法

1. 请求类型分布

按以下类别分类：错误修复、功能新增、重构、信息查询、测试、其他。

2. 项目活动

追踪耗时最多的项目，并识别项目特有的规律。

3. 时间规律

统计一天中各时段的使用情况，识别效率最高的时段。

4. 常见错误

• 模糊请求：缺少上下文的初始请求，与可接受的后续请求之比较
• 重复修复：同一问题多次出现
• 复杂任务：未经过规划的多步骤请求
• 重复命令：可以自动化的手动任务

5. 错误分析

统计与错误相关的请求频率、常见错误关键词和反复出现的问题。

6. 自动化机会

识别重复出现的相同请求，并推荐技能、斜杠命令或脚本。

输出

结构化报告包含：

• 统计数据：请求类型、活跃项目、时间规律
• 规律：常见任务、重复命令、复杂度指标
• 问题：具体问题及示例
• 建议：按优先级排列、可执行的改进措施

使用的工具

• Read：加载历史记录文件（~/.claude/history.jsonl）
• Write：按需创建分析报告
• Bash：执行 Python 分析脚本
• 直接分析：以编程方式解析 JSON

分析脚本

使用 scripts/analyze_history.py 进行全面分析：

功能：

• 加载并解析 ~/.claude/history.jsonl
• 从多个维度分析规律
• 识别常见错误和低效之处
• 生成可执行的建议
• 输出详细报告

在技能中使用： 用户请求分析时自动运行。

独立使用：

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

输出：

• conversation_analysis.txt - 详细的规律分析
• recommendations.txt - 具体的改进建议

输出示例

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

成功标准

• 用户了解自己的使用规律
• 提供具体、可执行的建议
• 从历史记录中选取具体示例
• 按影响程度排序（快速见效与长期改进）
• 用户能够立即落实改进措施

集成

• feature-planning：落实建议的改进措施
• test-fixing：解决反复出现的测试失败
• git-pushing：提交工作流改进

隐私说明

所有分析均在本地进行。对话历史绝不会离开用户的设备。