你跟 AI 的每一次编码对话，都在悄悄消失

我在”AI 编码 session 可视化”这个方向上已经做了好几个项目了。最早是 agent-dump——一个 Python 写的命令行工具，把 Claude Code、Codex 这些工具的 session 数据导出成 JSON 和 Markdown。后来觉得导出还不够，我想直接在浏览器里看，就做了 agent-view，一个纯前端的 session 回放页面。

用了一阵子之后发现这两个东西天然应该是一体的：扫描 + 可视化，分成两个项目反而增加使用成本。四月中旬我用 TypeScript 重写了整套逻辑，合并成了 CodeSesh。一条 npx codesesh 命令搞定扫描、索引、Web UI 启动。

我到底想解决什么

我现在主力用 Claude Code 和 Codex 写代码。每天产生的 session 数量不少，这些 session 里沉淀了完整的工程过程——agent 读了哪些文件、执行了什么命令、改了哪几行代码、中间推理链条是怎样的。但用完之后这些数据就沉在磁盘上了，基本不会再被翻出来。

我一直觉得这是浪费。git log 告诉你改了什么，但 session 记录的是你为什么这么改、中间走了哪些弯路。这些信息对我后续做类似任务有参考价值，但如果看不见、搜不到，跟不存在没区别。

跟 Spool 的区别

做 AI session 管理的不只有我。Spool 在这个方向上做得不错，如果你想搜到”我上周在某个项目跟 AI 聊了什么”，它的对话级检索体验很好。

CodeSesh 关注的粒度不一样。我想看到的不只是我和 AI 说了什么，而是 AI agent 在整个 session 里具体做了什么：调用了哪些工具、读写了哪些文件、推理过程经历了什么步骤。

举个例子：Claude Code 修一个 bug，一次 session 里可能读了十几个文件、尝试了两三种修法、跑了几轮测试才收敛。Spool 能帮你找到这次对话，但如果你想看到 agent 从读日志到定位根因到验证修复的完整操作链路，需要 CodeSesh 这个粒度。

两个工具解决的不是同一个问题。搜对话找 Spool，复盘过程用 CodeSesh。

自己怎么用

做了一个月，几个高频的使用场景：

按项目看 AI 协作时间线。同一个项目我用 Claude Code 做设计决策，用 Codex 做实现和审查，CodeSesh 按项目把不同 agent 的 session 归在一起，能看到一个完整的协作脉络。

回放某次任务的完整路径。有时候 agent 在一个 session 里的排查过程本身就有学习价值——它选择先看哪个文件、怎么缩小范围、为什么放弃第一种方案。这些在 git history 里完全不可见。

用量可见。每个 session 消耗了多少 token、用了哪个模型、估算花了多少钱，都能直接看到。我不是为了省钱，就是想知道自己每天在不同项目上的 AI 用量大概是什么量级。

试试

npx codesesh

自动扫描本机 session 数据，浏览器打开本地 Web UI。数据不出你的机器。

当前支持 Claude Code、Cursor、Kimi、Codex、OpenCode。代码开源，加新 agent 写一个适配器注册进去就行。

https://codesesh.xingkaixin.me

感兴趣的话跑一下看看自己的 session 全貌，有想法直接 GitHub 上开 issue 聊。