AI Coding Assistant Data Extractor — 10+ 主流 AI 编程助手的对话记录提取工具

技能简介

AI Coding Assistant Data Extractor 是一款用 Python 标准库写成的开源提取脚本，能够把本地几大 AI 编程助手（Claude Code、Codex CLI、Cursor、Windsurf、Trae、Continue、Gemini CLI、OpenCode、Cline / Roo Code、Aider 等）的历史对话转换为统一的 JSONL 格式，便于个人备份、微调数据集准备、长跨度对话分析。所有解析均本地完成，工具不联网读取数据库，仅对 SQLite 加只读连接保证运行中的 IDE 不被锁定。

核心能力

1. 跨平台自动发现：自动探测 macOS、Linux、Windows 三种系统下所有常见的 ~/Library/Application Support、~/.config、~/.local/share、%APPDATA%、%LOCALAPPDATA% 路径，无需手动指定。
2. 10+ 主流工具覆盖：Claude Code（JSONL）、Codex CLI（rollout JSONL）、Cursor（SQLite state.vscdb，三套 schema 自动识别）、Windsurf（启发式 KV 扫描）、Trae（SQLite + JSONL）、Continue（JSON）、Gemini CLI（JSON）、OpenCode（session/message/part tree）、Cline / Roo Code（Anthropic 格式 task JSON）、Aider（Markdown transcript）。
3. 统一 JSONL 输出：messages[] 数组携带 role、content、code_context（文件路径 + 选区 + 代码片段）、tool_use、timestamp、session_id、source、project_path 等字段，所有字段命名稳定便于二次处理。
4. 交互式 / 全自动两种模式：默认弹出菜单选择来源，也支持 --all 一键批量或 --sources cursor,claude_code,aider 显式指定。
5. 可拓展架构：每个提取器独立模块（extractors/cursor.py 等），新增工具只需 follow 通用 schema，新工具阅读 extractors/common.py 即可上手。
6. 错误隔离：任一损坏或被锁文件不会中断全流程，单文件失败时给出局部结果并继续。
7. 批量合并：配 --merge 自动把所有来源合并为单一 all_conversations.jsonl，方便统一处理。

安装配置

1. 前置条件：仅需 Python 3.9+，3.10+ 推荐；项目本身只用标准库、零第三方依赖。
2. 克隆仓库：git clone https://github.com/nachisama/ai-data-extractor && cd ai-data-extractor。
3. 运行预览（只探测不写文件）：python extract.py --list，即可看到每个已安装的工具能解析出多少对话。
4. 交互提取：python extract.py，按菜单勾选来源后输出至 ./extracted_data/_conversations_.jsonl。

使用步骤

1. 关闭 IDE 保险起见：为避免 SQLite 文件被独占锁，建议先把 Cursor / Windsurf / Trae 等 IDE 关闭以确保全量读取。
2. 执行全量备份：python extract.py --all，10 种来源全部提取（含 Claude Code、Cursor、Windsurf 等）。
3. 指定子集提取：例如只想导出 Claude Code 与 Aider，运行 python extract.py --sources claude_code,aider。
4. 合并为单一文件：追加 --merge 生成 all_conversations.jsonl，便于直接喂给下游分析或 fine-tune 脚本。
5. 为 Aider 指定项目目录：Aider 没有中央存储库，使用 --search-path ~/client-work 等参数指向项目根目录。
6. 错误排查：若某个来源输出为空，运行 python -m extractors. 单文件调试，结合项目 README 末尾 Notes 调整。

适用场景

1. 个人备份：避免某天 IDE 升级清空本地数据库，让多年的 Coding 对话丢失。
2. 自定义微调数据准备：把 Claude Code / Cursor / Aider 的高质量"问题-解答-代码"片段整理成 JSONL 喂给开源模型。
3. 个人 Coding 复盘：扫描全平台几个月内的 prompt 分布，发现重复问题、最高频错误等模式。
4. 跨 IDE 迁移：从 Cursor 切换到 Claude Code 或 Aider 时一键导出全部历史。
5. 研究人员收集 AI 编程助手使用习惯的可分析样本。
6. 教学示范：教师批量导出学生在 AI 工具中的练习过程，便于学情分析。

适用人群

跨多个 AI IDE 工作并希望统一管理历史对话的资深开发者；准备个人 Coding 对话语料做 LLM 微调或对话分析的研究者与 AI 应用作者；担心本地数据库丢失而建立个人备份的稳妥派用户；为团队批量归档 Coding 协作日志的 Tech Lead。

工作原理

脚本先按操作系统枚举所有潜在数据根目录，再针对每个来源调用对应的 parser：JSONL 工具逐行读取、SQLite 工具走 mode=ro 只读连接（避免阻塞运行中的 IDE）、JSON 工具递归遍历会话树。Cursor、Windsurf、Trae 的 schema 未官方公开，CW 模块读 Cursor 三套历史 schema，Windsurf/Trae 通过启发式扫描（extractors/common.py::heuristic_extract_chat_from_kv）尽力提取 role+text 形态消息。最后每个会话被规范化为统一 messages[] schema 落到 JSONL，损坏文件自动隔离，整体不会中断。

官方链接

• 仓库：https://github.com/nachisama/ai-data-extractor
• 许可证：MIT
• 维护者：nachisama 及社区贡献者