ARTICLE · 1070455

【AI工具推荐】你用AI写了1000小时代码,聊天记录却随时可能消失?这个开源工具4天狂揽812 Star帮你全部找回

发布时间：2026-09-24 15:56:20 最近访问：2026-09-24 15:56:00

你用AI写了1000小时代码，聊天记录却随时可能消失？这个开源工具4天狂揽812 Star帮你全部找回

你有没有想过一个问题——

你用 Claude Code 写了半年的代码，和 AI 助手讨论了几千个技术方案，审查了上万行代码变更。那些对话里藏着你的思考过程、决策逻辑、甚至一些灵光一闪的架构设计。

然后有一天，本地数据库被清了。

或者你换了台电脑，那些和 AI 一起 debug 到凌晨三点的夜晚，那些手把手教 AI 理解你项目结构的对话，全部消失了。没有任何提醒，没有任何备份选项。

这不是假设。Cursor 的 state.vscdb 是个 SQLite 数据库，schema 从未公开文档化，已经经历了至少三次格式变更。Windsurf 和 Trae 同理。你的聊天记录，本质上就是一份"随时可能被打碎的、没有文档保障的"本地文件。

今天推荐的 ai-data-extractor，就是来解决这个问题的。它是一个完全开源的 Python 工具，能自动发现并提取你所有 AI 编程助手的完整聊天历史，统一输出为标准 JSONL 格式。上线 4 天，GitHub 狂揽 812 Star，132 个 Fork。

一、ai-data-extractor 是什么？

ai-data-extractor 是一个零依赖的 Python 命令行工具（仅需 Python 3.9+，纯标准库实现），专门用于从各种 AI 编程助手的本地存储中提取完整的对话历史。

它的核心能力可以总结为一句话：把你散落在十几个不同位置、使用不同格式存储的 AI 编程聊天记录，全部找出来，统一成一种格式。

提取的内容包括：

• 用户消息和 AI 助手的回复

• 代码上下文（文件路径、选中代码、代码片段）

• 代码差异（diff）和建议的编辑

• 工具调用及其返回结果

• 时间戳、会话 ID、项目路径、模型名称——每个工具存储了什么就提取什么

目前支持 10 款主流 AI 编程工具：

#	工具	存储格式	说明
1	Claude Code	JSONL（每会话一个文件）	Anthropic 官方 CLI
2	Codex CLI	JSONL rollout 文件	OpenAI 编程 CLI
3	Cursor	SQLite (`state.vscdb`)	最流行的 AI IDE
4	Windsurf	SQLite（启发式解析）	Codeium 出品的 AI IDE
5	Trae	SQLite + JSONL（启发式）	字节跳动的 AI IDE
6	Continue	JSON（每会话一个文件）	开源 AI 编程插件
7	Gemini CLI	JSON（每对话一个文件）	Google 的编程 CLI
8	OpenCode	JSON 树状结构	开源终端编程工具
9	Cline / Roo Code	JSON（每任务一个文件夹）	最流行的开源编程 Agent 插件
10	Aider	Markdown 转录文件	最流行的终端结对编程工具

注意这个工具覆盖的存储格式跨度非常大——从 JSONL 到 SQLite 到纯 Markdown，从单文件到分散目录。这恰恰说明了 AI 编程工具生态的碎片化现状：每款工具都选择了完全不同的方式来存储你的数据，而且大多数没有文档化。

二、为什么这个工具突然火了？

🔹 原因一：AI 编程数据的"备份焦虑"

2026 年了，越来越多的开发者每天都在用 AI 编程助手。一个重度用户一个月可能产生几百 MB 的对话数据。这些数据包含：

• 学习记录：你和 AI 讨论的每一个技术概念、每一次代码审查

• 决策上下文：为什么选了 React 而不是 Vue？为什么数据库用了 PostgreSQL？这些决策的理由都藏在对话里

• 微调素材：想用你自己的编码风格微调一个模型？你的对话历史就是最好的训练数据

但问题是，这些数据的存储完全依赖本地文件，没有任何云端同步，也没有官方的导出功能。一旦数据库损坏、重装系统、或者工具本身更新导致格式不兼容——数据说没就没。

ai-data-extractor 给了你一个"逃生通道"：一键提取，永久保存。

🔹 原因二：微调市场的爆发

随着开源模型越来越强（Llama 4、Qwen 3、DeepSeek V4），越来越多的开发者和团队想要微调一个"懂自己代码风格"的专属模型。而微调最需要的就是高质量的对话数据。

ai-data-extractor 输出的 JSONL 格式直接兼容 Hugging Face 的 datasets 库：

from datasets import load_dataset  dataset = load_dataset("json", data_files="extracted_data/*.jsonl", split="train") dataset = dataset.filter(lambda x: any(m["role"] == "assistant" for m in x["messages"]))  def format_chat(example):     return {"text": tokenizer.apply_chat_template(example["messages"], tokenize=False)}  dataset = dataset.map(format_chat)

从提取到训练，三步搞定。这就是为什么项目 README 专门写了一节 "Training use cases"——作者很清楚，数据提取只是起点，微调才是终极用途。

🔹 原因三：隐私意识的觉醒

当你用 AI 编程助手时，你的代码、你的 API Key、你的项目架构、甚至你的客户端代码，全都经过了这些工具。但大多数工具从未明确告诉你：这些对话数据存在哪里？会被上传吗？会不会被用于训练？

ai-data-extractor 把数据主权还给了你。先看到数据，才能保护数据。 项目甚至内置了安全建议——用 detect-secrets 扫描提取结果中的 API Key 和敏感信息，确保你不会在不知情的情况下泄露密钥。

三、核心功能拆解

🔹 功能一：全自动操作系统检测

你不需要告诉工具你用的是什么系统。它会自动检测 macOS、Linux 和 Windows 的约定路径：

• macOS: ~/Library/Application Support

• Linux: ~/.config、~/.local/share

• Windows: %APPDATA%、%LOCALAPPDATA%

然后逐一搜索每个可能的存储位置。你只需要运行一条命令。

🔹 功能二：三种存储格式的适配

不同的 AI 工具有完全不同的存储策略，ai-data-extractor 为每种都做了专门适配：

JSONL 格式（Claude Code、Codex CLI）：逐行读取，每行解析为 JSON，直接映射到标准 schema。简单直接。

SQLite 格式（Cursor、Windsurf、Trae）：使用只读连接打开数据库，不会阻塞正在运行的应用。对于 Cursor 这样经历了多次 schema 变更的工具，提取器实现了所有三种已知格式的兼容。对于 Windsurf 和 Trae 这种从未公开 schema 的工具，则使用启发式方法——扫描键值对中寻找"看起来像角色+文本对"的 JSON 对象。

Markdown 格式（Aider）：Aider 是最特殊的——没有中央数据库，每个项目目录下只有一个 .aider.chat.history.md 文件。工具会扫描你的 home 目录以及常见项目根目录名（projects、code、dev、repos 等），最多 5 层深度，自动跳过 node_modules 和 .git。

🔹 功能三：交互式选择与批量导出

# 交互式：从编号菜单中选择要提取的数据源 python extract.py  # 全部提取，一键搞定 python extract.py --all  # 只提取指定工具 python extract.py --sources cursor,claude_code,aider  # 先预览有哪些数据，不实际提取 python extract.py --list  # 全部提取 + 合并成一个文件 python extract.py --all --merge

--list 模式特别适合第一次使用的用户——它会报告每个工具的安装情况和数据量，但不做任何提取操作，让你心里有数再动手。

🔹 功能四：容错与健壮性

这一点容易被忽视但极其重要：

• 只读操作：永远不会写入源数据库，你的 AI 工具完全不受影响

• 单文件容错：一个损坏或锁定的文件不会导致整个任务崩溃——会跳过并继续

• 无外部依赖：纯 Python 标准库，不需要 pip install 任何东西

四、上手指南：3 分钟完成提取

🔹 步骤 1：克隆仓库

git clone https://github.com/kruzovic7/ai-data-extractor.git cd ai-data-extractor

🔹 步骤 2：预览你的数据

python extract.py --list

输出类似：

Claude Code  ✓  Found 47 session files Cursor       ✓  Found database (234 MB) Windsurf     ✓  Found database (89 MB) Aider        ✓  Found 12 project histories Cline        ✗  Not installed

🔹 步骤 3：一键提取

python extract.py --all --merge

完成后，你会在 extracted_data/ 目录下看到：

extracted_data/ ├── claude_code_conversations_20260915_143022.jsonl ├── cursor_conversations_20260915_143022.jsonl ├── windsurf_conversations_20260915_143022.jsonl ├── aider_conversations_20260915_143022.jsonl └── all_conversations.jsonl

每一行都是一个完整的对话 JSON，包含所有消息、代码上下文、工具调用等元数据。

🔹 步骤 4：安全扫描（推荐）

pip install detect-secrets detect-secrets scan extracted_data/*.jsonl

在分享或训练之前，先确认没有泄露 API Key、密码等敏感信息。

五、对比其他方案

你可能会问：市面上没有类似的工具吗？

对比维度	ai-data-extractor	手动复制粘贴	ChatGPT 导出功能
支持工具数量	10 款	逐个手动	仅 ChatGPT
提取内容完整度	完整（含代码上下文、工具调用）	仅文字	仅文字
输出格式	标准化 JSONL	非结构化文本	JSON（不可定制）
是否可用于微调	直接可用	需大量清洗	需大量清洗
隐私安全	完全本地，零依赖	完全本地	依赖云端
开源	MIT 协议	—	闭源

ai-data-extractor 最大的优势在于广度和深度：它不仅覆盖面广（10 款工具），而且提取深度够——不只是文字消息，还包括代码上下文、diff、工具调用等"元数据"。这些信息对于理解编码决策过程至关重要。

六、实际应用场景

🔹 场景一：个人知识备份

你是用 Cursor 写了两年的开发者，数据库突然损坏。如果你提前用 ai-data-extractor 导出了 JSONL，所有对话都在。你可以搜索任何曾经讨论过的技术方案，找回任何曾经有过的灵感。

🔹 场景二：团队编码风格微调

一个 5 人开发团队，每个人用 Claude Code 积累了半年的编码对话。用 ai-data-extractor 提取后合并，就是一份高质量的"团队编码风格"训练数据。微调出的模型能理解团队特有的命名习惯、架构偏好和代码规范。

🔹 场景三：编码行为分析

把提取的 JSONL 数据导入分析工具，你可以统计：

• 你最常让 AI 帮你写什么类型的代码？

• 哪些文件的修改频率最高？

• 你的 AI 助手平均每个会话处理多少行代码？

• 你的编码效率随着时间推移提升了多少？

这些数据，以前从来没有被系统性地记录过。

🔹 场景四：迁移到新工具

你从 Cursor 切换到 Windsurf？没问题。用 ai-data-extractor 把 Cursor 的聊天记录导出，然后你可以对比两个工具在相同任务上的表现差异，甚至把旧的对话上下文喂给新工具，让它快速了解你的项目。

七、写在最后

我们正处在一个 AI 编程成为日常的时代。Cursor、Claude Code、Windsurf、Aider……这些工具正在成为开发者最亲密的"同事"。

但有一个问题被严重忽视了：你和 AI 之间的对话，本质上是你最珍贵的编码知识资产。 它记录了你的思考方式、你的技术判断、你的成长轨迹。

而这份资产，目前就静静地躺在你电脑的某个 SQLite 文件或 JSONL 文件里，没有任何备份保障，没有任何官方导出渠道。

ai-data-extractor 用 812 Star 证明了一件事：开发者需要的不只是更好的 AI 编程工具，更是掌控自己数据的能力。

零依赖，纯本地，MIT 协议。4 天时间，132 个 Fork。

去提取你的数据吧。在你还没忘记它们之前。

🔗 项目地址：github.com/kruzovic7/ai-data-extractor

📊 数据：812 Star | 132 Fork | MIT License | Python

相关学习资料