post-session

/asciinema-tools:post-session

完成会话后工作流：完成孤立录制 → 转换为文本 → AI 驱动的摘要。

自我演进技能：此技能会在使用过程中持续改进。如果说明有误、参数发生偏差，或需要采用变通方法，请立即修复此文件，不要拖延。仅针对真实且可复现的问题进行更新。

参数

参数	描述
file	.cast 文件的路径（或自动检测）
--finalize	包含完成步骤（停止进程、压缩）
-q, --quick	快速分析（关键词 grep + 简要摘要）
-f, --full	完整分析（转换 + AI 深度摘要）
--summarize	包含 AI 摘要步骤（迭代式深度分析）
--output	将发现结果保存到 Markdown 文件

工作流模式

快速模式（-q）

[file] → convert → keyword grep → brief summary

完整模式（-f）

[file] → convert → AI summarize (iterative deep-dive)

完整流程模式（--finalize --full）

stop processes → compress → push → convert → AI summarize

执行

阶段 1：发现

AskUserQuestion:
  question: "What would you like to do?"
  header: "Workflow"
  options:
    - label: "Quick analysis (Recommended)"
      description: "Convert + keyword search + brief summary"
    - label: "Full AI analysis"
      description: "Convert + iterative AI deep-dive with guidance"
    - label: "Complete workflow"
      description: "Finalize orphans + convert + AI summarize"
    - label: "Finalize only"
      description: "Stop processes and push to orphan branch"

阶段 2：选择文件

如果未指定文件，则发现可用的录制文件：

/usr/bin/env bash << 'DISCOVER_EOF'
echo "=== Running asciinema processes ==="
ps aux | grep -E "asciinema rec" | grep -v grep | while read -r line; do
  PID=$(echo "$line" | awk '{print $2}')
  CAST=$(echo "$line" | grep -oE '[^ ]+\.cast' | head -1)
  if [[ -n "$CAST" ]]; then
    SIZE=$(ls -lh "$CAST" 2>/dev/null | awk '{print $5}' || echo "?")
    echo "  [RUNNING] PID $PID: $CAST ($SIZE)"
  fi
done

echo ""
echo "=== Recent .cast files ==="
find ~/eon -name "*.cast" -size +1M -mtime -7 2>/dev/null | while read -r f; do
  SIZE=$(ls -lh "$f" | awk '{print $5}')
  MTIME=$(stat -f "%Sm" -t "%m-%d %H:%M" "$f" 2>/dev/null)
  echo "  $f ($SIZE, $MTIME)"
done | head -10

echo ""
echo "=== Recent .txt files (already converted) ==="
find ~/eon -name "*.txt" -size +100M -mtime -7 2>/dev/null | while read -r f; do
  SIZE=$(ls -lh "$f" | awk '{print $5}')
  echo "  $f ($SIZE)"
done | head -5
DISCOVER_EOF

AskUserQuestion:
  question: "Which recording to analyze?"
  header: "Select"
  options:
    # Dynamically populated from discovery
    - label: "{filename} ({size})"
      description: "{path}"

阶段 3：完成（如果已选择）

调用 /asciinema-tools:finalize：

1. 停止正在运行的 asciinema 进程
2. 验证文件完整性
3. 使用 zstd 压缩
4. 推送到孤立分支

阶段 4：转换

/usr/bin/env bash << 'CONVERT_EOF'
CAST_FILE="$1"
TXT_FILE="${CAST_FILE%.cast}.txt"

echo "Converting: $CAST_FILE"
echo "Output: $TXT_FILE"

if asciinema convert -f txt "$CAST_FILE" "$TXT_FILE"; then
  ORIG=$(ls -lh "$CAST_FILE" | awk '{print $5}')
  CONV=$(ls -lh "$TXT_FILE" | awk '{print $5}')
  echo "✓ Converted: $ORIG → $CONV"
else
  echo "✗ Conversion failed"
  exit 1
fi
CONVERT_EOF

阶段 5：分析

快速模式：关键词 grep + 简要摘要

# Run curated keyword searches
grep -c -i "error\|fail\|exception" "$TXT_FILE"
grep -c -i "success\|complete\|done" "$TXT_FILE"
grep -c -i "sharpe\|drawdown\|backtest" "$TXT_FILE"
# ... summarize counts

完整模式：调用 /asciinema-tools:summarize

• 通过 AskUserQuestion 获取初始指导
• 策略性采样（开头/中间/结尾）
• 根据用户指导进行迭代式深度分析
• 综合整理为发现报告

阶段 6：输出

AskUserQuestion:
  question: "Analysis complete. What next?"
  header: "Output"
  options:
    - label: "Display summary"
      description: "Show findings in terminal"
    - label: "Save to markdown"
      description: "Write findings to {filename}_findings.md"
    - label: "Continue exploring"
      description: "Deep-dive into specific sections"
    - label: "Done"
      description: "Exit workflow"

使用示例

# Interactive mode - auto-detect and guide
/asciinema-tools:post-session

# Quick analysis on specific file
/asciinema-tools:post-session session.cast -q

# Full AI analysis with output
/asciinema-tools:post-session session.cast -f --output findings.md

# Complete workflow including finalize
/asciinema-tools:post-session --finalize -f

相关命令

• /asciinema-tools:daemon-status - 查看状态并查找未处理的文件
• /asciinema-tools:finalize - 完成孤立录制
• /asciinema-tools:convert - 将 .cast 转换为 .txt
• /asciinema-tools:summarize - AI 驱动的深度分析
• /asciinema-tools:analyze - 基于关键词的分析

故障排除

问题	原因	解决方案
未找到录制文件	~/eon 中没有 .cast 文件	使用 find ~/eon 检查录制目录
文件发现结果为空	搜索路径错误	将文件路径作为参数手动指定
转换失败	.cast 文件损坏	先运行 /asciinema-tools:finalize
AI 摘要超时	录制文件过大	先使用 -q 进行快速分析
推送孤立分支失败	Git 身份验证问题	使用 echo $GH_TOKEN 检查 GitHub 令牌

执行后复盘

此技能完成后，在结束任务前进行复盘：

0. 确定文件位置。 — 编辑前找到此 SKILL.md 的规范路径。
1. 出了什么问题？ — 修复导致问题的说明。
2. 哪些做法比预期更有效？ — 将其列为推荐做法。
3. 哪些内容发生了偏差？ — 修复任何与实际情况不符的脚本、引用或依赖项。
4. 记录下来。 — 在演进日志中记录触发原因、修复内容和证据。

不要拖延。下一次调用会继承你留下的一切。