你的智能体会话记录很宝贵，请保存下来

Quesma Blog 2026-11-04T03:55:50.222061

代码有 git 管着，智能体会话记录却经常被直接丢进 /dev/null。这些记录是你花掉的 token 换来的工作凭证，也是你以后还要再付一次学费才能重新学到的经验。

可观测性出现之前，我们只能在崩溃后 ssh 进服务器 grep 日志。现在大多数公司在智能体编程（agentic coding）上还处于这个阶段：不收集 Claude Code、Codex、Cursor 的会话，于是永远无法从自己最有价值的数据里学习——工程师到底是怎么和智能体一起干活的。

在 Quesma，我们做了 Quesma Shipper，一个开源收集器，可以把会话收集到你自己的 Amazon S3 存储桶或类似存储里。

什么是智能体会话记录

会话记录就是智能体做过什么的“流水账”：提示词、思考、工具调用、结果、回复，还包括这次会话启动的子智能体（subagent）和工作流。研究人员把它叫作轨迹（trajectory）。下面是我电脑上一个 Claude Code 会话的例子：

~/.claude/projects/
└─ trajectories-research/                295.8 MB   working directory
   ├─ memory/                            37 files    notes the agent keeps across sessions
   ├─ dd80da03-…-54bc.jsonl              4.7 MB      the transcript <--
   ├─ dd80da03-…-54bc/                   10.4 MB     what the session spawned
   │  ├─ subagents/                      10.1 MB     24 agent transcripts
   │  ├─ tool-results/                   86.5 KB     2 outputs too large to inline
   │  └─ workflows/                      185.6 KB    orchestration script and journal
   └─ c8d4b39d-…-27c6.jsonl              257.0 KB    the previous session
~/.claude/settings.json, CLAUDE.md, skills/          the agent configuration

1. 提示词
2. 推理
3. 回复
4. 工具调用 Bash —— 查找引用 fingerprint 的 Go 文件
5. 工具结果
6. 工具调用 Bash —— 查找 fingerprint.json 的字面量引用
7. 工具结果
8. 工具调用 Bash —— 检查 state.go 里的 fingerprint 引用
9. 工具结果
10. 工具调用 Read —— internal/engine/state.go
11. 工具结果
12. 推理
13. 工作流 —— 验证“永久宕机”故障，梳理恢复选项
14. 推理
15. 回复

其他工具也会用各自的格式保存类似数据。

AI 实验室清楚会话数据的价值

Anthropic 分析了自家 20 万份 Claude Code 转录记录，想搞清楚工程师们到底怎么干活，其评估指南最后一句直接写着“去读转录！”。Cursor 也坦言：“我们的方法就是把智能体会话当训练数据。”Replit 则把执行轨迹称为“核心战略优势”。

消费级套餐默认会用你的会话训练模型，除非你主动退出；而这类套餐的 token 价格也最便宜：在我们对 Claude Code 定价的分析中，一个每月 200 美元的 Max 席位，按 API 价格折算实际交付了价值 2,986 美元的 token。不训练条款和零数据保留只存在于企业版，账单也跟着翻倍。Meta 的 Contributor 档位输入 token 便宜 12 倍，代价是“允许我们用你的提示词和补全结果来训练未来的 Meta 模型”。

这些数据甚至值得为之欺诈。Anthropic 2026 年 9 月的威胁报告点名了七家中国实验室，它们重放编码会话、劫持 Claude Code 用户流量，还从代理运营商手里购买转录——这些运营商“在用户不知情或未同意的情况下，保存用户与美国模型之间的往来内容”。同周 NSA、CISA 和 FBI 的联合公告将这类行为定性为“工业化规模的蒸馏”。

从转录里能学到什么

转录里到处是能改进智能体编码的“低垂果实”：

• 每个仓库、每个 PR、每类工作分别花了多少钱？把它分摊到研发、销货成本或市场营销上，做预算预测，并把订阅规模调到合适。
• 哪些开销没带来价值？冗长的文档、无谓的探索、大段的许可证头、嘈杂的命令输出，全都在加速上下文腐化。
• 哪些习惯该沉淀成指令和技能？改完 AGENTS.md 后，有审查的任务解决率 91%，没有审查的只有 43%。
• 这次变更到底怎么来的？看看智能体如何构建一个 PR、检查了什么（比如对抗性安全审查）、花了多少成本。

简单的配置失误会浪费 token 和时间。比如在我们的 RTK 基准测试里，有一次 DeepSeek 的尝试把同一条命令重复了 339 次，连续 12 分钟撞上同一个错误。任务最终还是通过了，但成本约为原来的 9 倍。这是 RTK 的一个 bug，已经在下一个版本修复。在我们的第一次黑客松上，学生们在 SWE-chat 数据集里发现了大量浪费：agent 不改代码就重跑测试，或者在上下文压缩之后反复重读同样的文件。

你的「智能」由你的偏好构成

智能没有统一标准：每个人、每家公司都带着自己的上下文和隐性知识。投资人看重的是把每个备选方案都权衡一遍的研究；游戏设计师看重的是快速试十个点子，而不是把一个打磨到极致；支付团队看重的是严谨的测试，而不是速度。行业基准测的是前沿智能，不是你的场景。

工程师纠正或回退 agent 的那些会话，就是现成的评测数据。它们比合成测试更准确、更便宜，还能让你在模型、推理投入设置、技能和指令上持续爬坡优化。把你的品味编码成评测，这就是你的优势。

会话记录帮你排查「外星大脑」

前沿 agent 已经出现过失控行为：OpenAI 的 agent 入侵过 Hugging Face，Claude 在评测期间入侵过真实机构，而这件事是 Anthropic 重读会话记录时才发现的。小模型的失败方式不一样：在我们的测试里，一个本地模型在被要求时植入后门的成功率高达 95%，无论有没有网络隔离。不管出了什么问题，会话记录都保存了 agent 被要求做什么、实际做了什么。别等到灾难发生，也别等 AGI：现在就保存会话记录，盯着它们找早期预警信号。

为什么收集和存储很难

获取会话记录有三种方式。

找厂商要： 模型厂商的首要任务是防止模型被竞争对手蒸馏，而且他们本来就隐藏了会话的一部分内容：Anthropic 隐藏了完整的思考过程，OpenAI 隐藏了上下文压缩（compaction），Codex 隐藏了它发给子代理的消息。像 Pi 这类独立的运行框架（harness），已经切实感受到会话无法迁移带来的麻烦。官方导出渠道也不是没有代价，比如 Anthropic 的 Compliance API 属于 Claude Enterprise 套餐，而且限制不少。

在中间架一层代理： 这种做法要求所有工具都把请求指向代理，但有些工具根本不配合。Claude Code 的 /remote-control 把 API 地址写死在代码里，Headroom 代理的用户为此专门请求 Anthropic 修改。代理还会漏掉大量数据：一是赋予提示词含义的本地上下文（“修一下这段代码”在不同仓库里意思差别极大），二是账单数据，比如一周的额度用掉了多少。

直接从磁盘复制文件： 这些文件并不会一直留着。Claude Code 默认 30 天后删除，而它的清理逻辑曾经无视 99,999 天的设置、不打招呼就删掉会话；这两个问题至今仍未关闭。文件还很分散：智能体编程的普及速度超过了任何管理政策的跟进速度。团队里混用不同厂商和运行框架、公司席位与个人订阅；影子 IT 成了常态，有些工程师还在跑 Qwen 这类本地模型。

而一个做得粗糙的同步采集器，只会让安全状况更糟。智能体可以读取 .env 文件、把令牌粘贴进命令、在工具输出里打印凭据，这些内容全都会落进会话记录里，而 Claude Code 是以明文存储的。把这些文件复制到共享盘，就等于制造了一次权限泄露。另一半问题是隐私：和智能体对话，用户会觉得是私密的。公司应当拥有这些数据，在数据离开笔记本之前先做清洗，并决定谁能读、能看到什么、以什么方式看。

我们开源了什么

数据采集本就该是通用能力。OpenTelemetry 在可观测性领域做到了这一点：提供一套开放、厂商无关的分布式追踪采集标准。Agent 会话也需要同样的东西。正因如此，我们以 Apache 2.0 协议开源了 Quesma Shipper。它是一个约 20 MB 的 Go 程序，每台机器装一次，自动扫描 Claude Code、Codex 和 Cursor 已经写好的会话文件。无需重新配置，不用代理，也不依赖钩子（hook）。

Shipper 会清理它检测到的凭据和个人数据，判断方式是基于 gitleaks 的确定性正则表达式与熵值检查。随后用你所在组织的公钥加密文件，上传到你自己的存储桶，比如 Amazon S3。

更多细节见架构页面。

1. 读取 ~/.claude/projects/**/*.jsonl，……
2. 擦除 ghp_PxrC… → __REDACTED:github-pat__

3. 用你的公钥加密

4. ↑ 上传用的预签名 URL —— 从 Fleet Manager 发往 Shipper

5. ↑ 状态文件 —— 从 Fleet Manager 发往对象存储

Quesma 想做 Shipper 的托管者，而不是所有者。我们乐意与任何想在此基础上继续构建的人合作；随着社区壮大，也愿意把它交给开放治理。Shipper 对企业友好：提供签名版本，支持 MDM（移动设备管理）。目前已经就绪的是采集环节：从笔记本电脑一路打通到你的存储桶。趁这些编程会话还没被删掉，现在就开始收集吧。

我们还计划开源一个 ETL 层，把来自不同 agent 的会话统一成一种标准格式，再在此基础上构建我们自己的专有分析功能。

成为 Quesma 的设计合作伙伴吧。我们正在寻找这样的工程团队：团队里有很多开发者使用 Claude Code、Codex 或 Cursor，并且希望弄清并优化相关账单。试点期间免费。欢迎联系我们。

查看原文