mcpField
M
mentor

mentor

github.com/smixsAgent 工作流8547 次安装12 周前更新
代码仓库

关于 mentor

Mentor 是用于分析本地 Claude Code 和 OpenAI Codex 会话记录的 Agent 技能，会将使用数据整理成 HTML 报告，呈现工作模式、阻碍和改进方向。

主要功能

  1. 01收集单个或两个 Agent 的会话记录
  2. 02从八个部分分析使用模式
  3. 03生成独立 HTML 报告
  4. 04按需生成单次会话摘要

适用场景

  1. 01回顾近期编码 Agent 会话模式
  2. 02依据会话证据发现工作流阻碍
  3. 03分析明确指定的单次会话

安装

复制下面的命令，在终端中运行。

$npx skills add https://github.com/smixs/mentor --skill mentor

安装后在 Claude Code 中输入/mentor确认已加载。

包含的文件

除 SKILL.md 外，安装时一起下载的参考资料和脚本。

evals/
evals.json
references/
best-practices.md
scripts/
collect.py
digest.py
render_report.py

详细介绍

Mentor — 关于你如何与 Agent 协作的 /insights 风格报告

创建原因

如今，Agent 做起了过去由初级员工负责的工作。但初级员工是通过获得资深员工的反馈才成长为资深员工的。如果给初级员工配备 Agent，却解雇了资深员工，这个反馈循环就不复存在了。这个技能就是这个循环：它会读取你本地的会话历史，并生成一份报告，告诉你构建了什么、时间浪费在哪里，以及有哪些具体改进方法。关注成效，而非抠 token。

最终交付物始终是渲染后的 report.html 文件。 八部分分析只是中间产物：它会写入 analysis.json 并渲染成报告，绝不会粘贴到聊天中。用一大段分析文字回复，正是这个技能要解决的问题。如果无法运行脚本，请直说——不要用文字摘要代替。此技能以 Claude Code 内置的 /insights 为蓝本。

Agent

Agent参数日志
Claude Codeclaude~/.claude/projects/<slug>/<uuid>.jsonl
OpenAI Codexcodex~/.codex/sessions/**/rollout-*.jsonl（以及 ~/.codex/archived_sessions/）
两者both（默认）两者的合集

工作流——生成报告

  1. 收集时间范围内的所有会话，并汇总为一个统计数据包（结果确定）：

    uv run --no-project python ~/.claude/skills/mentor/scripts/collect.py \
  --agent <claude|codex|both> --days <N> --out /tmp/mentor-stats.json

    默认参数为 --agent both --days 30。它会写入 stats.json，并打印一份精简摘要：关键数字、工具分布、编程语言、项目，以及每个会话未经改写的首条提示词。阅读这份摘要——它就是你的证据。

  2. 分析并写入八个部分。 阅读 references/best-practices.md 了解规范，然后写入 /tmp/mentor-analysis.json（架构见 scripts/render_report.py 文件头）。 每项结论都必须有摘要中的内容作为依据（数字、项目名称、提示词模式）。八个部分与 /insights 的内容相对应：

    • what_you_work_on — 将会话归纳为不同主题，并估算各主题占比。
    • how_you_use — 使用模式：工具比例（Bash/exec 与 Read 的对比）、编程语言、两个 Agent 的使用比例、检查点。
    • impressive — 真实成果，并反馈给用户。
    • friction — 时间浪费在哪里。每项都应包含：问题、证据、具体改进方法。这一部分决定报告的价值。
    • features_to_try — 尚未充分使用的现有功能。
    • claude_md_additions — 可直接复制粘贴到 CLAUDE.md 的内容，用于消除反复出现的问题。
    • new_ways — 使用 Agent 的新方式。
    • on_the_horizon — 工作流的发展方向。 此外还要撰写一段 summary，不要奉承用户——明确指出妨碍他们的因素。

  3. 渲染独立 HTML 文件：

    uv run --no-project python ~/.claude/skills/mentor/scripts/render_report.py \
  --stats /tmp/mentor-stats.json --analysis /tmp/mentor-analysis.json \
  --out ~/.claude/usage-data/mentor-report.html

  4. 交付文件。 打开或移交 ~/.claude/usage-data/mentor-report.html： 在 Claude Code 中，使用显示模式为 render 的 SendUserFile；在 Codex 或 shell 中，打开文件 （open <path>）并打印路径。然后最多补充两句口头说明，指出最值得优先实施的一项改进。详细内容都在报告里，聊天中不要重复。

快速单会话模式（仅在用户明确要求时使用）

只有当用户明确指定了一个会话（例如“разбери вот эту сессию”）时，才跳过收集和渲染，改为运行单会话摘要，然后给出简短的文字分析（TL;DR、有效之处、拖后腿的因素、一项习惯建议）。任何“разбери мои сессии”或“/mentor”请求都应走上述报告流程，而非此模式。

uv run --no-project python ~/.claude/skills/mentor/scripts/digest.py <path|last> --agent <claude|codex>

规则

  • report.html 就是答案。切勿在聊天消息中粘贴这八个章节。
  • 分析过程，而非生成的代码。不要重新审查已构建的内容。
  • 证据为先——每个章节都要联系统计摘要（数字、项目、提示词）。不要给出泛泛的建议。
  • Codex 几乎所有操作都通过一个 exec 工具完成，因此大量使用 exec 很正常——应评估编辑前是否先读取，而不是评判工具名称。
  • 有些判断是模型推断的（满意度、主题）——报告页脚已对此作出说明；不要夸大结论。
  • 报告内容使用用户的语言，默认为英语。设置分析的 lang 字段（"en" | "ru"），以匹配静态界面的语言。文案应简洁、具体，避免 AI 腔；俄语内容应达到 humanizer-ru 的标准。
  • 摩擦点章节是重点。每个摩擦点都要配上具体、可直接复制粘贴的修复方案（例如一行 CLAUDE.md 内容、一个钩子或一个习惯）。

评论

支持 Markdown