会话日报聚合 5yeah/Aiscribe

Aiscribe · AI 会话日报聚合器

Local-first · 隐私优先：在本机聚合多个 AI 编码/对话工具的会话记录，按项目分类生成日报/周报（Markdown / Word），并作为 MCP 服务供任意 AI 工具调用。

工具负责「一条不漏地取回真实对话」，你用的 AI 负责「读懂并归纳」——这就是它在同一堆数据上比模板直出好得多的原因。

它解决什么问题

一天的工作散落在好几个 AI 工具里：在 IDE 里改代码、在助手对话框里排查、在另一个工具里画方案。
到了写日报的时候，靠回忆拼凑，结果是项目混在一起、时间对不上、内容泛泛而谈。

Aiscribe 的做法是：

1. 本地取数：从每个 AI 工具留在本机的会话数据库/日志里，按北京时间取出你当天真实发出的内容（不联网、不上传）；
2. 交给 AI 归纳：通过 MCP 把原始对话交给正在给你干活的 AI，由它合并同类项、提炼成事项、按项目归类；
3. 格式化落盘：按固定的 1、项目名： ①、事项 格式输出详细版 + 简洁版两个版本，写成本地 md / docx / 可分享 HTML。

特性

- 多源聚合：内置 16 个原生连接器 —— CodeBuddy CN、TRAE、Codex、dsh、Claude Code、Gemini CLI、Qwen Code、iFlow、Copilot Chat、Cline、Roo Code、Kilo Code、Cursor、豆包、WorkBuddy、Kimi；全部直接读本地文件，不需要装 Cass 或者任何索引器
- 会理解，不是套模板：get_conversations 返回按项目分组的逐条真实输入，归纳由客户端 AI 完成
- 时间不串味：只收“当天开始”或“跨夜不超过 1 天”的会话，一周前只被碰过一次的旧会话不会混进今天
- 项目自动归类：关键词规则（projects.json）→ 标题关键词 → cwd 路径末段目录名兜底，新项目不用改配置
- 三种报告：日报 / 周报 / 自定义区间，北京时间渲染
- 三种输出：Markdown（默认，便于二次编辑）、Word（--format docx，纯标准库手写 WordprocessingML）、可分享 HTML（--format html，自包含单文件：样式内嵌、无脚本、无外部资源，双击即可打开）
- 可选 LLM 归纳：--llm 走 DeepSeek（OpenAI 兼容端点）。模型只能改写每个条目的文字，报告骨架（报告标题、项目分节、条目顺序）由本机程序生成，返回结果还要过结构与格式校验，不过就退回纯模板，绝不中断
- 零三方依赖（内核）：取数 / 报告生成 / MCP 只跑 Python 标准库，不需要 pip install 任何东西。
例外只有本地引导页的前端：ui.py 的服务端仍是标准库，但页面的界面库（Tailwind / React / Framer Motion）走公网 CDN， 首次打开需要联网；断网时页面不会白屏，会显示一句明确的提示并告诉你改用 CLI 或 MCP。
会话数据本身只在读取、筛选、排版时留在本机；只有你手动勾选 AI 归纳或让云端模型读取全文时，相应文本才会进入模型上下文。
- 跨客户端：MCP 用 stdio transport，TRAE / Claude Code / Cursor / dsh 都能接；DSH 用户可直接从插件市场安装 dsh-aireport（包内自带 Windows sidecar，无需装 Python）
- 装进 DSH 即用：插件自带运行时与 MCP 桥接，安装后 agent 直接获得 7 个工具；源码运行与独立 MCP 配置仍然保留
- 本地引导页：python -m ai_report ui 打开一个只监听回环地址的六屏向导 —— 启动屏 → ① 逐源真实扫描点亮 → ② 日期 / 周报 / 自定义区间 → ③ 按项目勾选素材（含时间剪辑）→ ④ 模板与输出格式 → 生成等待页 → 一键生成报告（本机纯模板，直接写进 reports/）或复制「交给 AI 的指令」
- 时间剪辑：在引导页给单条素材设起止时间，窗口外的对话片段由工具直接丢弃（不是靠提示词提醒 AI），因而不可能混进报告
- 格式克隆：上传你以前一直用的日报（md / txt / docx / 图片）→ 本机抽出排版结构存成模板 → 之后每份报告都复现你原来的格式（只学排版，不搬内容）

快速开始

0) 需要 Python 3.9+（无需任何三方包）
git clone https://github.com/5yeah/Aiscribe.git
cd Aiscribe

1) 看本机发现了哪些数据源（自动发现路径，不用改代码）
python -m ai_report sources
python -m ai_report config

2) 先用模板直出版看看效果
python -m ai_report daily --date 2026-10-16

3a) 推荐：打开本地引导页（逐源扫描 → 勾选素材 → 一键出报告 / 复制指令）
python -m ai_report ui

3b) 或把 MCP 接进你的 AI 工具，让它按 Skill 生成（见下）

装进 DSH（插件市场，免 Python）

在 DSH 0.2.x 的插件市场搜索 Aiscribe（包名 dsh-aireport）并安装，然后新开会话；也可以用命令行：

dsh plugin --profile web add dsh-aireport

当前 0.1.0 只随包提供 Windows x64 运行时，其他平台会以独立平台包发布。
插件不依赖系统 Python；报告与配置写到 ~/.aireport/。详见 dsh-plugin/README.md。

本地引导页（最直观的用法）

python -m ai_report ui # 默认 5071 端口，自动打开浏览器
python -m ai_report ui --port 5080 --no-open

页面只监听 127.0.0.1，四步走：

1. 数据源雷达 — 只列本机真实检测到的工具，逐个扫描、读完才亮，并标注每个源的内容等级（逐条原文 / 仅标题 / 元数据）；扫描完成后按读到的会话数从多到少排序，没装的工具折叠在「N 个工具未检测到」里，点一下才展开
2. 时间窗 — 日报（选一天）/ 周报（选一天取自然周）/ 自定义时间（显式起止日期）
3. 素材勾选 — 按项目泳道排列当天会话，默认全选；取消勾选的内容不会进素材，AI 就不会写进报告；一条会话还能用 ✂ 裁到指定时间段
4. 模板与输出 — 选 md / docx / html；「格式克隆」里上传你以前的日报（md / txt / docx / 图片），本机解析出排版结构存成模板，右侧骨架立刻变成你的格式

等待页有两条产出路径，任选：

- 生成报告（默认本机纯模板） — 先在本机按你的勾选与剪辑过滤素材、用模板渲染，直接写进 reports/；页面给出文件名、路径与打开/下载链接。只有你手动勾选「AI 归纳」且配置了归纳引擎时，才会把草稿文本（当日摘要，有 AI 正文时附最多 120 字的结论片段，不是完整对话）交给模型改写；页面会明确标注「正文已由 xxx 归纳」还是「未归纳，仍是草稿」。
未配置归纳引擎时不会假装归纳，而是如实退回草稿并说明原因
- 复制指令 — 把带 ids 与格式规范的指令贴进你的 AI 对话，由 AI 读原文归纳，质量最高；这种情况下的落盘由你的 AI 客户端调用 save_report 完成

浏览历史会话（另一个页面）

引导页只展示「你选的那一天」的素材。想翻全部历史会话，点右上角的 「浏览历史会话」，或直接打开 http://127.0.0.1:5071/browse：

- 左栏按数据源（含各自真实条数）和项目筛选，日期区间可任选
- 顶部搜索框同时搜标题、摘要和逐条正文（按 / 聚焦，Esc 关详情）
- 点任意一条，右侧抽屉展示该会话的逐条正文 + 时间 + 项目路径；只有标题/元数据的源（如 WorkBuddy、豆包）会明确标注「无正文」，不会让你误以为丢了数据
- 支持深链接：/browse?id=dsh|session-xxxx 直接打开某条会话
- 列表读取有 30 秒缓存（翻页、搜索不用反复扫硬盘），点「刷新」强制重读

归纳引擎（可选，不配也能用）

归纳只发生在「已汇总草稿」这一层：草稿是本机拼接的摘要（例如 CodeBuddy CN 的当日真实输入时间线，每条上限 400 字），有 assistant 正文时还会附上最多 120 字的结论片段。
它不是完整对话，但其中确实含有你原始输入的片段——开启归纳前请确认可以接受这一点。
llm.json（已 gitignore）或同名环境变量都可配置：

{ "provider": "deepseek", "model": "deepseek-chat", "api_key": "sk-..." }

- DeepSeek：设 DEEPSEEK_API_KEY，或写进 llm.json 的 api_key
- 完全不出本机：改 "provider": "ollama" 并用 "model" 指定本机已拉取的模型（如 qwen3.8:27b），走 http://127.0.0.1:11434，无需 key
- 命令行侧同样可用：python -m ai_report daily --llm（失败自动退回模板）

时间剪辑（把一条会话裁到指定时间段）

一条长会话常常把昨天没干完的事和今天的活混在一起。在引导页点素材右侧的 ✂，设「从 / 到」两个时间点：窗口外的对话片段由工具自己丢掉 —— get_conversations 根本不会返回它， AI 也就没机会再写回报告。预览骨架与交给 AI 的素材同步生效，chip 上会打「已剪辑」标记，右上角的「清空全部剪辑」可一键撤销。时间为北京时间；「到」早于「从」按跨夜处理（如 22:30 ~ 02:00）；没有时间戳的片段一律保留。剪辑存在数据目录的 trims.json（源码运行时是仓库根，安装态是 ~/.aireport；可用 AIREREPORT_TRIMS 覆盖，已 gitignore）。

格式克隆（复现你原来的日报格式）

python -m ai_report learn 旧日报.md --name 我的日报 # 学一份（可传多份，越多越准）
python -m ai_report learn a.md b.docx --name 我的日报 # 多份样例投票，取共性
python -m ai_report templates # 看看学到了哪些模板
python -m ai_report daily --date 2026-10-16 --template 我的日报

- 只抽结构：标题行 / 头部信息行 / 项目行 / 事项行 / 待办段 / 收尾注 / 是否双版本，不留样例里的具体工作内容
- 图片样例：本机不做识图（保持零依赖），只存档并给出提示，让 AI 读图后用 MCP save_template 回填结构
- 两种消费方式：AI 路径（get_format_spec 把规范塞进提示词，主力）/ CLI 路径（--template 直接排版）
- 模板存在 <数据目录>/templates/.json（可用 AIREREPORT_TEMPLATES_DIR 覆盖），已 gitignore；设置 AIREREPORT_TEMPLATE 可指定默认生效的那一份

接入 MCP + Skill（推荐用法）

MCP（取数能力）——在你的 AI 工具里加一段配置，路径换成你的仓库位置：

{
"mcpServers": {
"aireport": {
"command": "python",
"args": ["<仓库>/run_mcp_stdio.py"]
}
}
}

Skill（方法论）——把 skills/ai-report/SKILL.md 放进客户端的 skills 目录（TRAE：.trae/skills/ 或用户级 skills 目录；Claude Code：~/.claude/skills/）。

之后直接对 AI 说：

生成我今天的日报

AI 会自动走完 list_sources → get_conversations（摸底 + 逐项目精读）→ 归纳 → save_report 落盘 全流程。

各客户端的完整配置与已知坑（含 TRAE 的 command 空格问题）见 mcp/README.md。

工作原理

flowchart LR
subgraph L1["L1 连接器层（只读本地文件，不联网）"]
A1[CodeBuddy CN / TRAE] --> U[UnifiedRecord]
A2[Codex / dsh / Claude Code] --> U
A3[Gemini CLI / Qwen Code / iFlow] --> U
A4[Copilot Chat / Cline / Roo / Kilo / Cursor] --> U
A5[豆包 / WorkBuddy / Kimi] --> U
end
U --> L2["L2 统一索引：合并 / 去重 / 项目分类 / 按北京时间过滤"]
L2 --> MCP["MCP 工具：get_conversations 返回原始对话"]
MCP --> AI["客户端 AI 阅读并归纳"]
AI --> SAVE["save_report 落盘 md / docx / html"]
L2 --> TPL["generate_report（模板直出，兜底用）"]
TPL --> OUT["reports/"]
SAVE --> OUT

| 层 | 职责 |
| L1 连接器 | 把每个工具的原始数据归一化为 UnifiedRecord；能拿到逐条原文的塞进 raw["messages"] |
| L2 索引 | 合并去重、项目分类、按北京时间的“当日 + 跨夜 ≤ 1 天”规则过滤 |
| L3 生成 | 模板渲染（generate_report）—— 不含理解，只罗列，用于快速查看与兜底 |
| 归纳 | 由客户端 AI 通过 get_conversations 拿到素材后完成（这套方案的关键） |
| L4 可选 | LLM 润色（--llm）、Word / 可分享 HTML 导出 |

报告格式

一份文件里放两个版本：上半详细版，--- 分隔，下半简洁版。

AI 日报 2026-10-16

汇报人： 张三 ｜ 部门： 算法组 ｜ 日期： 2026年10月16日

数据来源：CodeBuddy CN 当日真实发送消息（127 条逐条输入）、TRAE 本地记忆、豆包（本地聚合，隐私优先）

1、订单服务（重构下单链路，09:06–18:20）：

①、接口契约梳理：确认 v2 字段清单并落成 contracts/order.md。

②、超时问题定位：定位到连接池配置过小，改为 20 后压测回归通过。

2、数据看板：

①、新增日活趋势图，支持按渠道筛选。

3、待办事项：

①、订单服务：连接池压测报告归档。

AI 日报（简洁版）2026-10-16

1、订单服务：

①、接口契约梳理

②、超时问题定位

2、数据看板：

①、新增日活趋势图

格式约定（在 Skill 里固化为硬规则）：

- 项目用 1、项目名：，事项用 ①②③…；
- 详细版项目名后可跟“（上下文，起止时间）”，简洁版一律去掉括号；
- 简洁版每条只保留详细版 ① 冒号之前的事项名，冒号后的说明全部删掉。

命令行

python -m ai_report daily [--date YYYY-MM-DD] [--llm] [--out 文件] [--format md|docx|html] [--template 模板名]
python -m ai_report weekly [--date YYYY-MM-DD] [--template 模板名]
python -m ai_report range --start YYYY-MM-DD --end YYYY-MM-DD [--template 模板名]
python -m ai_report sources # 列出本机数据源与可用状态
python -m ai_report config # 显示配置（敏感字段打码）
python -m ai_report learn 样例... [--name 模板名] # 从旧日报学排版，固化成模板
python -m ai_report templates # 列出已学到的格式模板
python -m ai_report mcp --stdio # MCP stdio 模式（客户端接入用）
python -m ai_report mcp --port 5070 # 本地 HTTP（仅监听 127.0.0.1，可选）
python -m ai_report ui # 本地引导页（默认 5071，仅监听回环地址）

Windows 一键脚本：scripts/run_daily.bat / scripts/run_weekly.bat （额外参数原样透传，如 run_daily.bat --format docx）；定时任务示例见 automation_example.json。

支持的数据源

全部连接器都是原生实现——直接读各家工具自己的本地文件，不需要安装 Cass 之类的索引器，也不需要额外装包。
唯一的例外是 zstd 压缩的会话（Codex、dsh）：装了 zstandard 或系统有 zstd 命令就能读到正文，否则自动退化为只读元数据，不会报错、不会崩。

有逐条正文（报告质量最高）

读到的每条消息都带 role：user 是用户的诉求，assistant 是 AI 当时的结论与改动——报告里的「做了什么」来自 assistant 侧，不是把用户的问句改写成完成态。

| 数据源 | 本地位置（自动发现） | 本地能拿到什么 |
| CodeBuddy CN | %APPDATA%/CodeBuddy CN/ | 会话元数据 + logs 里 onAgentStart: userInput= 还原当天逐条真实输入（只有用户侧） |
| TRAE | ~/.trae-cn/memory/projects/ | 逐条 message 级摘要 + topics.md 会话级摘要 |
| Codex | ~/.codex/ | state_5.sqlite 元数据 + 投影历史 / rollout-.jsonl.zst（zstd）逐条 user + assistant |
| dsh | ~/.dsh/sessions/ | session.v4.jsonl.zstd 事件流里的逐条 user + assistant（多 zstd 帧，流式解压） |
| Claude Code | ~/.claude/projects/ | */.jsonl 逐条 user / assistant（自动跳过子代理对话与本地命令噪音） |
| Gemini CLI | ~/.gemini/tmp//chats/ | session-.json 逐条 user / model |
| Qwen Code | ~/.qwen/tmp//chats/ | 同上（Gemini CLI 分支，格式一致） |
| iFlow | ~/.iflow/tmp//chats/ | 同上（Gemini CLI 分支，格式一致） |
| Copilot Chat | %APPDATA%/Code/User/workspaceStorage//chatSessions/ | VS Code 内建聊天 .jsonl：提问 + 回复分片 |
| Cline | …/globalStorage/saoudrizwan.claude-dev/tasks/ | api_conversation_history.json 逐条 user / assistant |
| Roo Code | …/globalStorage/rooveterinaryinc.roo-cline/tasks/ | 同上（同源插件，格式一致） |
| Kilo Code | …/globalStorage/kilocode.kilo-code/tasks/ | 同上（同源插件，格式一致） |
| Cursor | %APPDATA%/Cursor/User/globalStorage/state.vscdb | cursorDiskKV 的 composerData: + bubbleId:（气泡带 type，可区分角色） |

只有标题 / 元数据（正文在云端）

| 数据源 | 本地位置（自动发现） | 本地能拿到什么 |
| 豆包 | %LOCALAPPDATA%/Doubao/User Data/Default/IndexedDB | 会话标题与时间（LevelDB / V8 序列化 blob） |
| WorkBuddy | ~/.workbuddy/workbuddy.db | 会话标题与时间（cwd 是它自己的工作区目录，分类靠标题） |
| Kimi | %APPDATA%/kimi-desktop/ | 元数据 + 被编辑文件路径（据此定位项目目录） |

所有路径都基于 %APPDATA% / %LOCALAPPDATA% / 用户主目录自动推导；默认只扫描当前用户，同机其他用户的目录需要显式设 AIREREPORT_SCAN_ALL_USERS=1。
每个路径都能用环境变量覆盖（见 python -m ai_report config 的输出）。
装了哪个源就自动亮哪个，没装的显示 missing，不影响其它源。

想接一个还没支持的工具？

见 docs/数据源适配.md：实现 available() / read() 两个方法，把结果归一到 UnifiedRecord，再往 REGISTRY 追一行即可。connectors/common.py 已备好 zstd 解压、JSONL 读取、ISO 时间解析、正文块抽取、注入上下文过滤等通用工具。

配置

| 环境变量 | 用途 | 缺失时行为 |
| AIREREPORT_HOME | 数据目录（报告 / 模板 / 配置 / 剪辑） | 源码运行时为仓库根；安装态或 sidecar 为 ~/.aireport |
| AIREREPORT_REPORTS_DIR | 报告输出目录 | 默认 <数据目录>/reports |
| AIREREPORT_TEMPLATES_DIR | 格式模板存放目录 | 默认 <数据目录>/templates |
| AIREREPORT_TEMPLATE | 默认生效的格式模板名 | 不设则用最新学到的模板 |
| AIREREPORT_TRIMS | 引导页时间剪辑文件 | 默认 <数据目录>/trims.json |
| AIREREPORT_PROJECTS | 项目分类规则文件 | 依次找 <仓库>/projects.json、~/.aireport/projects.json，都没有则用内置规则 + cwd 兜底 |
| CODEBUDDY_CN_DB WORKBUDDY_DB DOUBAO_IDB_DIR KIMI_DIR TRAE_ROOTS TRAE_MEMORY_DIR CODEX_DIR DSH_SESSIONS_DIR CLAUDE_CODE_DIR GEMINI_DIR QWEN_CODE_DIR IFLOW_DIR CURSOR_DB VSCODE_USER_DIRS VSCODE_GLOBAL_STORAGE | 覆盖数据源路径（多目录型用 ; 分隔） | 用自动发现的默认路径 |
| AIREREPORT_SCAN_ALL_USERS | 设 1 才会读同机其他 Windows 用户的会话目录 | 默认关闭（别人的会话不该被默认读进来） |
| DEEPSEEK_API_KEY / LLM_PROVIDER | LLM 润色（可选） | --llm 自动退回模板模式 |

项目分类想固定叫法时，复制 projects.example.json 为 projects.json 再改（不配也能用：新项目靠 cwd 目录名自动归类）。

隐私声明

- 连接器只读取本机文件、不联网；Aiscribe 自身没有遥测，也不会主动上传会话
- 但工具返回的内容会进入模型上下文：用 MCP 让云端模型生成报告时，
get_conversations(detail="full") 的对话原文等同于发送给该模型提供商。
服务端已提示模型先用 detail="summary" 摸底，只读取与当前请求相关的项目与日期
- 默认只读当前用户的目录；同机其他用户的会话要显式设 AIREREPORT_SCAN_ALL_USERS=1 才会碰
- 只有用户主动开启 AI 归纳（UI 勾选 / --llm / polish=true）时，骨架草稿文本才会发往所配的 LLM 端点；完整原始对话不会由归纳器直接发送
- 报告只写到本地 reports/；MCP 的 HTTP 模式与引导页都只监听 127.0.0.1
- 引导页/浏览页会校验 Host 与 Origin：只接受回环地址且同源的请求，挡掉 DNS rebinding （把域名解析到 127.0.0.1 再让网页打本地端口的攻击）
- .gitignore 已排除 reports/、projects.json、trims.json、dingtalk_config.json、automation.json，避免个人内容误入库

已知限制

- 每次取数都重读所有源：本机 166 条记录约 0.7 秒。耗时集中在 dsh、CodeBuddy CN、豆包的纯 Python 解析上（实测线程并发只有 1.01x，受 GIL 限制，所以没做）。真正有效的优化是按文件指纹做持久化缓存——尚未实现。
- assistant 正文不是每个源都有：CodeBuddy CN 只从日志还原用户输入；WorkBuddy / Kimi / 豆包本地只有标题。这几类源在报告里只能贡献「问过什么」。
- Codex / dsh 需要 zstd：装了 zstandard 或系统有 zstd 才能读正文，否则自动退化为元数据。

目录结构

ai_report/ 核心包（运行时仅标准库） connectors/ L1：base / common / codebuddy_cn / trae / codex / dsh / claude_code / gemini_cli / vscode_chat / cline / cursor / doubao / workbuddy / kimi / registry index.py L2：合并去重 / 分类 / 按日期过滤 / 窗口与素材负载（MCP 与引导页共用） generator.py L3：日报/周报/区间模板渲染（可用学到的模板样式排版） template.py 格式克隆：从旧日报样例抽排版结构 → 模板存取 + 给 AI 的格式规范 trim.py 时间剪辑：窗口解析 / 片段裁剪 / trims.json 存取 html.py docx.py 导出：自包含可分享网页 / Word llm.py L4：可选归纳（只改写条目文字 + 接受格式校验） cli.py mcp_server.py ui.py web/ 本地引导页：stdlib HTTP 服务 + 六屏向导界面（前端走 CDN，见下方说明） skills/ai-report/ 方法论：SKILL.md（取数 → 归纳 → 落盘 → 输出格式规范） mcp/ MCP 客户端接入配置与已知坑 docs/ 数据源适配.md、BUILD_PROMPTS.md（本项目的完整构建提示词） examples/ connector_template.py（新数据源 15 行模板） scripts/ Windows 一键脚本 tests/ unittest 测试 run_mcp_stdio.py MCP stdio 启动器（客户端配置的入口，路径保持稳定） reports/ 生成的报告（自动创建，已 gitignore） templates/ 学到的格式模板与样例存档（自动创建，已 gitignore） trims.json 引导页的时间剪辑（自动创建，已 gitignore）

测试

python -m unittest discover -s tests -t .

贡献

- 加一个新数据源：见 docs/数据源适配.md，模板 examples/connector_template.py
- 改报告风格：改 skills/ai-report/SKILL.md 的“输出格式规范”，这是 AI 归纳时唯一依据
- 想从零重做一遍：docs/BUILD_PROMPTS.md 是这个项目完整的构建提示词，可整段发给任意 AI 助手复现

License

MIT