AI Data Extractor

开源 AI 编程助手聊天记录导出工具

AI编程开发部分免费

访问官网 ↗

AI Data Extractor 是一款免费开源的本地工具，可以将 Claude Code、Cursor、Windsurf、Aider、Cline 等主流 AI 编程助手的聊天记录统一导出为标准化的 JSONL 格式，帮助开发者进行模型微调、个人数据统计或会话备份。

什么是 AI Data Extractor

AI 编程助手每天都产生大量有价值的对话数据，这些数据散落在各个工具的本地存储中，互不兼容。AI Data Extractor 解决了这个痛点——它自动扫描各工具的本地数据库，将异构存储统一转换为规范的 JSONL 行格式，让数据可以被后续分析或模型训练直接使用。

核心功能

多工具支持：覆盖 Claude Code、Codex CLI、Cursor、Windsurf、Trae、Continue、Gemini CLI、OpenCode、Cline/Roo Code、Aider 共 10 款主流 AI 编程工具
异构存储解析：自动识别 JSONL、SQLite、JSON 等多种存储格式，无需手动指定工具路径
跨平台兼容：自动适配 macOS、Windows、Linux 系统，自动搜索各平台标准应用数据目录
标准化输出：所有对话统一输出为 JSONL 格式，字段结构一致，包含角色、消息内容、代码上下文、时间戳、项目路径、模型名称等完整信息
只读安全：所有操作均为只读，绝不修改原始数据库或文件
零外部依赖：纯 Python 标准库实现，无需安装任何第三方包，Python 3.9+ 即可运行
支持扩展：提供统一接口规范，可轻松添加对新工具的支持

支持的数据源详情

AI Data Extractor 支持从以下工具的本地存储中提取完整对话历史：Claude Code（JSONL）、Codex CLI（rollout JSONL）、Cursor（SQLite）、Windsurf（SQLite）、Trae（SQLite+JSONL）、Continue（JSON）、Gemini CLI（JSON）、OpenCode（JSON）、Cline/Roo Code（JSON）、Aider（Markdown 格式）。

每条提取的对话记录都包含：用户消息、AI 助手回复、代码上下文（文件路径和代码片段）、代码差异/建议编辑、工具调用及其结果、时间戳、会话 ID、项目路径和模型名称。

适用场景

模型微调：将个人编程对话数据导出，用于训练或微调自己的代码模型
数据备份：在应用更新或重装前备份珍贵的编程会话记录
使用分析：统计个人使用 AI 编程助手的方式、频率和效果
项目回顾：提取特定项目中的对话历史，用于代码审查或知识传承
工具迁移：在不同 AI 编程工具之间迁移历史对话数据
合规审计：企业场景下记录和追溯开发人员的 AI 辅助编程行为

适用人群

使用 Claude Code、Cursor、Windsurf 等工具的专业开发者
想要积累个人编程数据用于模型微调的 AI 研究者
需要管理多工具使用数据的工程团队
希望备份和整理个人编程历史的独立开发者

安装与使用

# 克隆仓库
git clone https://github.com/kruzovic7/ai-data-extractor.git
cd ai-data-extractor

# 运行交互式提取（自动检测已安装的工具）
python extract.py

# 提取所有支持工具的数据
python extract.py --all

# 指定特定工具
python extract.py --sources cursor,claude_code,aider

# 仅预览（不实际提取）
python extract.py --list

# 合并所有结果为单个 JSONL 文件
python extract.py --all --merge

依赖环境：Python 3.9 或更高版本（推荐 3.10+），无需安装任何第三方包，所有功能均使用 Python 标准库实现。

工作原理

工具首先根据操作系统自动构建应用数据根目录列表，然后逐个搜索各 AI 编程工具的已知数据路径。读取存储时，对 JSONL 文件逐行解析，对 SQLite 数据库使用只读连接连接（确保运行中的程序不会被阻塞），对 JSON 树结构按格式解析。最后将所有数据规范化为统一的 JSONL 格式输出。损坏或被锁定的文件不会导致整个任务崩溃，会跳过该文件继续处理。