ai-convo-exporter：别让 AI 对话死在终端里

Fri, 08 May 2026 00:00:00 +0000

你每天和 AI 讨论架构、修 bug、拆任务，最后这些高价值判断都去哪了？

大概率是：死在终端日志里。

这有点荒谬。我们愿意把代码提交到 Git，把笔记放进 Obsidian，把文档同步到云端，却经常把最密集的工程思考过程留在 ~/.codex 和 ~/.claude 这种“存在但不会再看”的角落里。

所以我做了一个小工具：ai-convo-exporter。

问题不是“没有记录”，而是“记录不可用”

Codex 和 Claude Code 其实都会保存对话。

Claude Code 的记录大致在：

1

~/.claude/projects/**/*.jsonl

Codex 的记录大致在：

1
2


~/.codex/sessions/**/*.jsonl
~/.codex/archived_sessions/*.jsonl

问题是，保存了不等于可复用。

这些 JSONL 原始 transcript 对机器友好，对人不友好。你想找“上次那个 ads-attribution 项目里，我和 Codex 讨论 Diana UI 怎么启动来着”，通常不会去翻一堆 UUID 文件。更现实的情况是：重新问一遍 AI，重新烧一遍上下文，重新踩一遍坑。

我想要的是另一种形态：

需求	直接翻原始日志	导出到 Obsidian
按项目查找	很难，要理解工具内部目录规则	直接按 project 文件夹
全文搜索	可以 grep，但体验粗糙	Obsidian 原生搜索
跨机器复用	路径不同，容易散	vault 同步即可
保留原始记录	有，但不适合阅读	Markdown + raw JSONL 双份保存
后续再加工	成本高	frontmatter + tags + Dataview

这就是 ai-convo-exporter 的核心目标：把 AI 对话从“工具内部状态”变成“个人知识资产”。

它怎么组织你的对话？

工具的设计原则很简单：按项目，而不是按 AI 工具。

因为你真正关心的不是“这条对话来自 Codex 还是 Claude Code”，而是“它属于哪个项目”。同一个项目里，今天可能用 Codex 查代码，明天用 Claude Code 写实现。最后应该沉淀到同一个知识空间里。

导出后的目录长这样：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13


Obsidian Vault/
 AI Conversations/
 Projects/
 luoli523__ads-attribution/
 _index.md
 sessions/
 2026-05-08 0947 codex 019e0544 保存对话.md
 2026-04-27 1621 claude fd7d3855 实现 FxRate.md
 raw/
 codex/
 019e0544-7beb-7983-a458-de94206793f8.jsonl
 claude/
 fd7d3855-0b5d-482d-a008-0827ab6cd875.jsonl

这里有一个小细节：项目文件夹不是直接用本机绝对路径。

如果一个项目有 git remote，工具会优先用 remote path 做稳定 ID，比如：

1

git@github.com:luoli523/ads_attribution.git

会被转换成：

1

luoli523__ads-attribution

这样换一台机器，即使 checkout 路径从 /Users/li.luo/dev/git/... 变成 /Users/foo/code/...，同一个项目仍然会进入同一个 Obsidian 文件夹。

每篇笔记都不是纯文本，而是可查询对象

每段对话会生成一篇 Markdown，开头带 frontmatter：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17


---
type: ai-conversation
provider: codex
session_id: 019e0544-7beb-7983-a458-de94206793f8
project: luoli523/ads_attribution
project_slug: luoli523__ads-attribution
created: 2026-05-08T09:47:14+08:00
cwd: /Users/li.luo/dev/git/ads_attribution
git_repo: https://github.com/luoli523/ads_attribution
git_branch: main
machine: macbook
raw_transcript: ../raw/codex/019e0544-7beb-7983-a458-de94206793f8.jsonl
tags:
 - ai/conversation
 - provider/codex
 - project/luoli523__ads-attribution
---

这让它不只是“看起来像笔记”，而是能被 Obsidian、Dataview、搜索和标签系统继续使用。

比如你可以查：

最近一周我在哪些项目里大量使用了 Codex？
某个项目里 Claude Code 和 Codex 分别处理过哪些任务？
哪些对话发生在某台机器上？
哪些讨论和某个 git repo 或 branch 有关？

AI 对话一旦结构化，就不只是聊天记录，而是工程过程的审计日志。

安装方式：checkout 后一条命令生效

我不想为这个工具引入复杂依赖，所以它只使用 Python 标准库。

安装方式：

1
2
3


git clone https://github.com/luoli523/ai-convo-exporter
cd ai-convo-exporter
./install.sh --vault "$HOME/Documents/Obsidian Vault"

安装脚本会做几件事：

动作	文件
写本地配置	`~/.config/ai-convo-exporter/config.json`
安装命令包装器	`~/.local/bin/ai-convo-exporter`
添加 Claude Code Stop hook	`~/.claude/settings.json`
添加 Codex Stop hook	`~/.codex/hooks.json`
启用 Codex hooks	`~/.codex/config.toml`

后续每次 Codex 或 Claude Code 对话结束，Stop hook 会自动调用：

1
2


ai-convo-exporter hook --provider codex
ai-convo-exporter hook --provider claude

安装是幂等的。重复执行 ./install.sh 不会不断追加重复 hook，这一点很重要。配置工具最怕“装一次能用，装三次变成玄学现场”。

历史记录也能补导入

如果你已经用了很久 Codex 或 Claude Code，可以执行：

1

ai-convo-exporter backfill

它会扫描默认位置：

1
2
3


~/.claude/projects/**/*.jsonl
~/.codex/sessions/**/*.jsonl
~/.codex/archived_sessions/*.jsonl

然后批量导入到 Obsidian。

如果你想先看看当前配置是否正确：

1

ai-convo-exporter doctor

典型输出类似：

1
2
3
4
5
6
7


Config: /Users/li.luo/.config/ai-convo-exporter/config.json
Vault: /Users/li.luo/Documents/Obsidian Vault
Conversations dir: AI Conversations
Timezone: Asia/Singapore
Claude settings: /Users/li.luo/.claude/settings.json
Codex hooks: /Users/li.luo/.codex/hooks.json
Codex config: /Users/li.luo/.codex/config.toml

我真正想保留下来的不是“答案”

很多人把 AI 对话当成一次性问答：问完、复制、结束。

但在编程场景里，真正有价值的往往不是最终答案，而是中间过程：

这个方案为什么被放弃？
当时为什么选这个目录结构？
某个 bug 的根因是怎么定位出来的？
哪个测试失败暴露了真实问题？
我是怎么让 Agent 从错误方向回来的？

这些内容如果不沉淀，会变成一种很可惜的损耗：你花钱、花 token、花时间训练出来的上下文，只活了一次。

ai-convo-exporter 解决的不是“备份聊天记录”这么小的事情。它更像是在给个人开发工作流补一个缺口：让 AI 协作过程变成可检索、可复盘、可迁移的工程资产。

适合谁用？

如果你只是偶尔问 AI 一个命令怎么写，这个工具可能没那么必要。

但如果你有下面这些习惯，它会很有用：

用 Codex 或 Claude Code 深度探索项目
让 AI 帮你做架构决策和代码审查
经常跨多个项目切换
多台机器同时开发
已经在用 Obsidian 管理长期知识
想复盘自己和 AI 协作的工作方式

一句话：当你的 AI 对话已经有复用价值，就值得被当成知识来管理。

Takeaway：把 AI 对话纳入你的知识系统

如果你想试用，只需要三步：

clone 仓库：git clone https://github.com/luoli523/ai-convo-exporter
安装 hook：./install.sh --vault "$HOME/Documents/Obsidian Vault"
可选补导入：ai-convo-exporter backfill

以后每次 Codex 或 Claude Code 对话结束，它都会自动进入 Obsidian。

这件事的收益不是第一天就爆炸，而是一个月后你搜索某个项目时，突然发现：原来那些曾经散落在终端里的判断、踩坑和上下文，现在都回来了。

参考资料

GitHub 仓库：luoli523/ai-convo-exporter
Codex Hooks 文档：OpenAI Codex Hooks
Claude Code Hooks 文档：Claude Code Hooks
Obsidian Dataview：Dataview Plugin

工具 on 鬼哥的空间