Readme Skill

Readme.skill — AI-Native 开发者档案生成器

You (the AI agent invoking this skill) will read local Claude Code + Codex CLI

• Kiro (AWS) + Trae (ByteDance) + Gemini Antigravity (Google) + Cursor data, compute a fixed set of dimensions, and render both a Markdown profile and a validated SVG poster under ./output/ in the user's requested language (Chinese by default; English when the user asks in English or explicitly requests English). The profile and poster can cover the default history view or an explicit month / date range. You do all of the work — read the files with Read, query sqlite via Bash, synthesize the prose yourself, then write and validate the SVG. Do not write helper scripts; the skill is the recipe.

支持的 6 个 AI 编程工具（任一缺失都自动降级跳过）：

1. Claude Code (~/.claude/) — Step 2
2. Codex CLI (~/.codex/) — Step 3
3. Kiro CLI / IDE (~/.kiro/ + ~/.local/share/kiro-cli/) — Step 3b
4. Trae IDE (~/Library/Application Support/Trae/ + 项目 .trae/) — Step 3c
5. Gemini Antigravity (~/.gemini/antigravity/brain/) — Step 3d
6. Cursor (~/Library/Application Support/Cursor/ + 项目 .cursor/) — Step 3e

默认行为：对外分享版 —— 项目名匿名、敏感信息脱敏。 如果用户明确说"私人版 / 不要脱敏 / show real names"，跳过匿名步骤。

Step 1 — 准备

cd <repo-with-this-skill>   # e.g. ~/Projects/Readme.skill
mkdir -p output
DATE=$(date +%Y%m%d)

Decide anonymization mode (default = on). Build an in-memory mapping real_path → "项目 A/B/C" as you encounter project paths in later steps. Use the same mapping consistently across all sections.

1.1 时间窗口 / 月度报告模式

If the user asks for a month, quarter, stage, date range, "月度报告", "按月份分析", "time range", "monthly report", or similar, set a report window before reading any data. The window is a half-open local-date interval: [REPORT_START, REPORT_END_EXCL).

Supported phrases:

• Single month: 2026-05, 2026年5月, May 2026 → REPORT_START=2026-05-01, REPORT_END_EXCL=2026-06-01, REPORT_LABEL=2026-05, REPORT_SLUG=202605, REPORT_MODE=monthly
• Month range: 2026-04 到 2026-05, Apr-May 2026 → start at the first day of the first month, end at the first day after the last month, REPORT_MODE=range
• Explicit dates: 2026-05-03 到 2026-05-19 / 2026-05-03..2026-05-19 → include both named dates by setting REPORT_END_EXCL to the day after the final date, REPORT_MODE=range
• Relative range: 最近30天 / last 30 days → compute from today's local date, REPORT_MODE=range

If no explicit time window is requested, keep the existing default profile behavior: AI tool totals may use all available local history, while GitHub and local git use their existing 365-day windows. Set WINDOW_REQUESTED=0.

If a window is requested, set:

WINDOW_REQUESTED=1
REPORT_START=<YYYY-MM-DD>
REPORT_END_EXCL=<YYYY-MM-DD>   # exclusive
REPORT_LABEL=<human-readable label, e.g. "2026-05" or "2026-04..2026-05">
REPORT_SLUG=<filesystem-safe slug, e.g. "202605" or "202604-202605">

For every source below, include only records whose timestamp is >= REPORT_START 00:00:00 and < REPORT_END_EXCL 00:00:00 in local time. Never mix all-time counts into a windowed report unless the metric is explicitly labeled "all-time context" or "fallback, not window-filtered".

For windowed reports, also compute a previous comparison window of the same length when possible:

# macOS date syntax. Use equivalent date math on other systems.
window_start_ts=$(date -j -f "%Y-%m-%d" "$REPORT_START" +%s)
window_end_ts=$(date -j -f "%Y-%m-%d" "$REPORT_END_EXCL" +%s)
WINDOW_DAYS=$(( (window_end_ts - window_start_ts) / 86400 ))
PREV_END_EXCL="$REPORT_START"
PREV_START=$(date -j -v-"${WINDOW_DAYS}"d -f "%Y-%m-%d" "$REPORT_START" +%Y-%m-%d)

Step 2 — 读取 Claude Code 数据 (~/.claude/ + 项目 .claude/)

2.1 预聚合统计（最权威，先看这个）

Read ~/.claude/stats-cache.json. Extract:

派生量（你来算）:

• claude_tokens_spent = Σ (inputTokens + outputTokens + cacheCreationInputTokens) —— 真实新付费 token
• claude_cache_read = Σ cacheReadInputTokens —— 缓存复用，反映 prompt-caching 熟练度
• cache_to_spent_ratio = claude_cache_read / claude_tokens_spent —— 比值越大越熟

时间窗口模式：如果 WINDOW_REQUESTED=1，优先从 dailyActivity 与 dailyModelTokens 中按 REPORT_START <= date < REPORT_END_EXCL 过滤后汇总 Claude sessions / messages / tokens / cache。modelUsage 是全局聚合；只有默认 profile 模式才能直接当总量使用。若某个 Claude 字段只有全局聚合、无法按日期切分， 在月度报告里写 — 或标注「仅有 all-time 聚合，未纳入窗口统计」，不要把全局值混进 月度值。

2.2 Slash-command 热度

~/.claude/history.jsonl —— 每行 {display, timestamp, project, sessionId}。

# Top 15 slash commands
jq -r 'select(.display | startswith("/")) | (.display | split(" ")[0])' \
   ~/.claude/history.jsonl | sort | uniq -c | sort -rn | head -15

# 总条数 vs 命令条数 vs 直接 prompt 条数
total=$(wc -l < ~/.claude/history.jsonl)
cmd=$(jq -r 'select(.display | startswith("/")) | .display' ~/.claude/history.jsonl | wc -l)
echo "total=$total cmd=$cmd plain=$((total - cmd))"

时间窗口模式下，所有 history.jsonl 统计先过滤：

jq --arg start "$REPORT_START" --arg end "$REPORT_END_EXCL" '
  select((.timestamp // "")[0:10] >= $start and (.timestamp // "")[0:10] < $end)
' ~/.claude/history.jsonl

记录：/effort、/plan、/skill*、/usage、/clear、/resume、/compact、/init 各自次数。

2.3 项目分布 (~/.claude/projects/)

Each subdir is one project; per-project *.jsonl files = sessions. The dir name encodes the absolute path with / → - (ambiguous when the original path itself contains -).

# Top 15 by session-file count
for d in ~/.claude/projects/*/; do
  n=$(ls "$d"*.jsonl 2>/dev/null | wc -l | tr -d ' ')
  echo "$n $(basename "$d")"
done | sort -rn | head -15

To recover the canonical real path (so you can run git log later), read the cwd field from the first JSONL in each dir:

head -1 ~/.claude/projects/<encoded>/*.jsonl 2>/dev/null \
  | jq -r 'select(.cwd) | .cwd' | head -1

2.4 计划与 skill 自研

Claude Code 的 plan 文件目录不是固定值。默认在 ~/.claude/plans, 但用户可以通过 plansDirectory 改到项目工作目录下，例如 "./.claude/plans"。统计 plans 时必须先解析候选 plan 目录，不能只枚举 ~/.claude/plans/*.md。

解析规则：

• 先从 ~/.claude/projects/*/*.jsonl 的 cwd 字段恢复 Claude Code 访问过的项目根目录。
• 对每个项目根目录，按 Claude Code settings 优先级读取： .claude/settings.local.json > .claude/settings.json > ~/.claude/settings.json > default。
• 如果有效 settings 中存在 plansDirectory：
  • 绝对路径保持不变；
  • ~/... 展开为 $HOME/...；
  • ./... 或其他相对路径按该项目根目录解析。
• 如果没有配置，使用默认 ~/.claude/plans。
• 把所有候选目录下的 *.md 真实路径去重后，再统计 plan 数量和标题。

# Plan titles (first # heading of each plan) from all resolved plan dirs.
# Include ~/.claude/plans plus any per-project plansDirectory targets.
# Count plan files by file count, not by title extraction success.
plan_count=<resolved-plan-file-count>
for f in <resolved-plan-files>; do
  awk '/^# / { sub(/^# /, ""); print; exit }' "$f"
done

ls ~/.claude/skills/ | wc -l       # skills installed / authored
ls ~/.claude/tasks/  | wc -l        # tasks tracked
ls ~/.claude/todos/  | wc -l

2.4b Skill 清单（AI 基础设施采集）

For each ~/.claude/skills/*/SKILL.md and ~/.codex/skills/*/SKILL.md, use the Read tool to inspect the frontmatter (top of file, between --- markers). Extract name and the full description as YAML semantics dictate.

Support all four YAML scalar styles：

停止条件：遇到下一个未缩进的 frontmatter key（行首无空格且形如 key:），或遇到关闭的 --- 行。如果 description 字段缺失，回落到 <目录名> (no description)。

绝不使用 head \| grep —— 那会把 >/\| 多行风格静默截断到只剩 >，这是 v2.2 之前的真实 bug。务必 Read 完整 frontmatter 后按 YAML 语义解析。

枚举候选 skill 目录：

ls -d ~/.claude/skills/*/ ~/.codex/skills/*/ 2>/dev/null

然后对每个目录：Read 它的 SKILL.md 头部 ~30 行 → 按上表解析 YAML → 输出 <source>|<name>|<full_description>。

记录每个 skill 是「自建」还是「安装」。如果 skill 目录下有 git remote 指向用户自己的 repo，标记为自建；否则标记为安装。

2.5 配置深度

Read ~/.claude/settings.json. Count:

• hooks 个数（结构化自动化能力）
• mcpServers 个数（外部能力接入）
• permissions.defaultMode

Step 3 — 读取 Codex CLI 数据 (~/.codex/)

3.1 SQLite (read-only)

The primary analytics store is ~/.codex/state_5.sqlite, table threads. Always open with mode=ro so you can never write:

SQ='sqlite3 file:'"$HOME"'/.codex/state_5.sqlite?mode=ro&immutable=1'

# If WINDOW_REQUESTED=1, compute unix-second bounds once and add the filter to
# every threads query below. For queries that already have WHERE, append `AND`.
FROM_TS=$(date -j -f "%Y-%m-%d" "$REPORT_START" +%s 2>/dev/null || true)
TO_TS=$(date -j -f "%Y-%m-%d" "$REPORT_END_EXCL" +%s 2>/dev/null || true)
# created_at >= FROM_TS AND created_at < TO_TS

# Aggregate
$SQ "SELECT COUNT(*), SUM(tokens_used), MIN(created_at), MAX(created_at) FROM threads;"

# Model breakdown (note: empty/NULL model = older sessions, label as 'Codex (未标注)')
$SQ "SELECT COALESCE(NULLIF(model,''),'Codex(未标注)'), COUNT(*), SUM(tokens_used) \
     FROM threads GROUP BY 1 ORDER BY 3 DESC;"

# Reasoning effort distribution (xhigh / high / medium / low / unspecified)
$SQ "SELECT COALESCE(NULLIF(reasoning_effort,''),'unspecified'), COUNT(*) \
     FROM threads GROUP BY 1 ORDER BY 2 DESC;"

# Top 15 working dirs
$SQ "SELECT cwd, COUNT(*), SUM(tokens_used) FROM threads \
     WHERE cwd != '' GROUP BY cwd ORDER BY 2 DESC LIMIT 15;"

# Hour-of-day heatmap
$SQ "SELECT strftime('%H', datetime(created_at,'unixepoch')), COUNT(*) \
     FROM threads GROUP BY 1 ORDER BY 1;"

# Day-of-activity timeseries
$SQ "SELECT date(created_at,'unixepoch'), COUNT(*) FROM threads GROUP BY 1;"

# Sample titles + first user messages for keyword extraction (titles only — no body)
$SQ "SELECT title FROM threads WHERE title != '' ORDER BY created_at DESC LIMIT 200;"
$SQ "SELECT first_user_message FROM threads WHERE first_user_message != '' \
     ORDER BY created_at DESC LIMIT 200;"

# CLI versions used (Codex evolution signal)
$SQ "SELECT cli_version, COUNT(*) FROM threads WHERE cli_version != '' \
     GROUP BY 1 ORDER BY 2 DESC LIMIT 10;"

# --- 以下为 v2.0 新增查询 ---

# 月度聚合（Evolution 曲线用）
$SQ "SELECT strftime('%Y-%m', datetime(created_at,'unixepoch')), COUNT(*), \
     SUM(tokens_used), COALESCE(NULLIF(model,''),'unknown') \
     FROM threads GROUP BY 1,4 ORDER BY 1,3 DESC;"

# CLI 版本时间线（Evolution 曲线用）
$SQ "SELECT cli_version, MIN(date(created_at,'unixepoch','localtime')), \
     MAX(date(created_at,'unixepoch','localtime')), COUNT(*) \
     FROM threads WHERE cli_version != '' GROUP BY 1 ORDER BY 2;"

# 每项目 token 消耗（双工具编排分析用）
$SQ "SELECT cwd, COALESCE(NULLIF(model,''),'unknown'), COUNT(*), SUM(tokens_used) \
     FROM threads WHERE cwd != '' GROUP BY 1,2 ORDER BY 1,4 DESC;"

3.2 Codex 全局历史

~/.codex/history.jsonl — {session_id, ts, text}. Sample for keywords:

wc -l ~/.codex/history.jsonl                                 # total prompts
jq -r '.text' ~/.codex/history.jsonl | head -300 > /tmp/codex_text.txt   # corpus
jq -r '.session_id' ~/.codex/history.jsonl | sort -u | wc -l # distinct sessions

时间窗口模式下，先按 .ts 过滤再做计数、关键词采样和 distinct sessions：

jq --arg start "$REPORT_START" --arg end "$REPORT_END_EXCL" '
  select((.ts // "")[0:10] >= $start and (.ts // "")[0:10] < $end)
' ~/.codex/history.jsonl

3.3 自研 artifacts

ls ~/.codex/skills/      | wc -l   # codex skills
ls ~/.codex/automations/ | wc -l   # scheduled automations
ls ~/.codex/rules/       | wc -l   # custom rules

Step 3b — 读取 Kiro 数据 (~/.kiro/ + ~/.local/share/kiro-cli/)

Kiro 是 AWS 出的 agentic IDE / CLI（kirodotdev/Kiro）。Kiro CLI 把 ACP session 存到 ~/.kiro/sessions/cli/（每个 session 两个文件：<id>.json 元数据 + <id>.jsonl 事件流），把 token / model / provider 细分存到 ~/.local/share/kiro-cli/data.sqlite3。Steering / Agents / Skills / Prompts 等基础设施在 ~/.kiro/ 下，跟 Claude Code 风格一致。

所有读取必须只读：SQLite 用 mode=ro&immutable=1；JSON / JSONL 只 Read / jq，不要修改。本步骤先检测 ~/.kiro/ 是否存在，不存在直接跳过本节。

3b.1 总量与 token 细分 (SQLite, read-only)

[ -d "$HOME/.kiro" ] || { echo "Kiro not installed; skip Step 3b"; }

KIRO_DB="$HOME/.local/share/kiro-cli/data.sqlite3"
if [ -f "$KIRO_DB" ]; then
  KSQ='sqlite3 file:'"$KIRO_DB"'?mode=ro&immutable=1'

  # 先 dump schema 再决定查询列名 —— Kiro CLI 仍在迭代，表名可能演进
  $KSQ ".schema" | head -80
  $KSQ ".tables"
fi

读 schema 后，按实际表名（常见为 messages / sessions / usage 等） 自适应编写聚合 SQL。期望提取的字段：

降级：如果 schema 找不到 token / model 列，仅按 session 计数即可，并在报告里说明 「Kiro 早期版本未持久化 token 细分，本节按 session 总量给出」。

时间窗口模式下，所有 Kiro SQL 聚合必须按实际 schema 的 created_at / updated_at / timestamp-like 字段过滤到 [REPORT_START, REPORT_END_EXCL)。 如果 schema 没有可靠时间列，只把该表用于 all-time context，不参与月度指标。

3b.2 ACP Session 文件 (JSON + JSONL)

KIRO_SESS="$HOME/.kiro/sessions/cli"
if [ -d "$KIRO_SESS" ]; then
  # session 总数
  ls "$KIRO_SESS"/*.json 2>/dev/null | wc -l

  # 每个 session 抽元数据：cwd、agent、起止时间
  for f in "$KIRO_SESS"/*.json; do
    jq -r '[.cwd // "", .agent // "", .created_at // "", .updated_at // ""] | @tsv' "$f"
  done | sort -u

  # 项目分布（按 cwd 聚合）
  for f in "$KIRO_SESS"/*.json; do
    jq -r '.cwd // empty' "$f"
  done | sort | uniq -c | sort -rn | head -15
fi

*.jsonl 是事件流（user/assistant/tool-call 逐条）。只采样前若干行用于 关键词语料（同 Claude projects/*/*.jsonl 的处理方式），不要把原文写进 report：

for f in "$KIRO_SESS"/*.jsonl; do
  head -50 "$f" | jq -r 'select(.role == "user") | .content // empty' 2>/dev/null
done | head -300 > /tmp/kiro_corpus.txt   # 关键词语料

3b.3 Kiro 基础设施层（agents / skills / steering / prompts / mcp）

跟 Claude / Codex 的 skills 体系一一对应，扫法一致：

# 全局 agents（每个文件是一个 .json，filename 即 agent 名）
ls ~/.kiro/agents/*.json 2>/dev/null | wc -l

# 全局 skills（每个目录一个，含 SKILL.md，frontmatter 同 Agent Skills 标准）
ls -d ~/.kiro/skills/*/ 2>/dev/null

# Steering 文件（项目规范 / 架构决策，markdown）
ls ~/.kiro/steering/*.md 2>/dev/null | wc -l

# Prompts 模板
ls ~/.kiro/prompts/ 2>/dev/null | wc -l

# Settings & MCP
[ -f ~/.kiro/settings/cli.json ] && cat ~/.kiro/settings/cli.json | jq 'keys'
[ -f ~/.kiro/settings/mcp.json ] && cat ~/.kiro/settings/mcp.json | jq '.mcpServers | keys'

对每个 ~/.kiro/skills/*/SKILL.md，沿用 Step 2.4b 的 YAML frontmatter 解析逻辑 （Read 完整 frontmatter，按 > / | / 引号 / 单行四种 scalar 处理）。 Kiro skills 用的就是 Agent Skills 开放标准，跟 Claude / Codex 字段完全相同 （name + description）。

把 ~/.kiro/skills/ 合并进 Step 2.4b 的 skill 总表，新增一列「来源 = Kiro」。

3b.4 Knowledge bases（实验功能，可选）

KIRO_KB="$HOME/.local/share/kiro-cli/knowledge_bases"
if [ -d "$KIRO_KB" ]; then
  ls -d "$KIRO_KB"/*/ 2>/dev/null   # 每个 agent 一个独立 KB
fi

知识库属于「AI 基础设施层」高级信号 —— 用户主动给 agent 喂资料。统计有几个 KB、覆盖哪些 agent 即可，不读 data.json 原文。

3b.5 工作区 .kiro/ 配置（按项目）

对 Step 5 候选目录路径列表里的每个项目根，再检查项目内的 workspace-level Kiro 配置（这往往是用户日常工作的真实证据）：

for path in <candidate-paths>; do
  for kind in agents skills steering prompts; do
    if [ -d "$path/.kiro/$kind" ]; then
      echo "$path::$kind::$(ls "$path/.kiro/$kind" 2>/dev/null | wc -l)"
    fi
  done
done

合并到 6.4 「项目与领域」时，给配置了 .kiro/ 的项目打 Kiro+ 标记。

3b.6 Kiro 数据来源不可读时的诚实声明

如果 Kiro 安装但 data.sqlite3 不存在（用户只用过 IDE 桌面版，未跑 CLI）， 本步骤仅能采集到 Steering / Agents / Skills 配置数，不要编造 session / token 数字。 在最终报告的「Kiro 章节」明确写：「Kiro CLI 数据未生成，本节仅展示 Steering / Agents / Skills 配置；如需完整 session/token 统计请先运行 Kiro CLI。」

Step 3c — 读取 Trae 数据 (~/Library/Application Support/Trae/ + 项目 .trae/)

Trae 是字节跳动出的 AI IDE，基于 VS Code fork（Electron）。chat 对话存在 本地 SQLite（User/workspaceStorage/<hash>/state.vscdb，与 Cursor 同款机制）， 但 token 用量统计走云端 API（query_user_usage_group_by_session）， 本机不持久化。所以本步骤只读两类本地数据：

1. 工作区 state.vscdb 里的 chat 元数据（数量、cwd、关键词）
2. 项目 .trae/ 与 home 配置里的 rules / skills / settings

所有读取必须只读：SQLite 强制 mode=ro&immutable=1；不要触发任何 Trae 进程写操作。先检测目录是否存在，不存在直接跳过本节。

3c.1 工作区数量与项目分布

# macOS 路径（Linux 类似在 ~/.config/Trae/，Windows 在 %APPDATA%\Trae\）
TRAE_BASE="$HOME/Library/Application Support/Trae"
TRAE_WS="$TRAE_BASE/User/workspaceStorage"

[ -d "$TRAE_WS" ] || { echo "Trae not installed or no workspaces; skip Step 3c"; }

# 工作区数（每个 hash 目录 = 一个被打开过的项目）
ls -d "$TRAE_WS"/*/ 2>/dev/null | wc -l

# 每个工作区对应的真实项目路径（workspace.json 里有 folder/uri）
for d in "$TRAE_WS"/*/; do
  if [ -f "$d/workspace.json" ]; then
    jq -r '.folder // .configuration // empty' "$d/workspace.json"
  fi
done | sort -u

3c.2 Chat 元数据（SQLite, read-only）

每个工作区有自己的 state.vscdb；另外 ~/Library/Application Support/Trae/User/globalStorage/state.vscdb 是全局聚合库。Trae 的 chat 表名 / key 前缀 在版本间会变化（早期沿用 VS Code 的 ItemTable，新版本可能新增 Trae 专用表）， 先 dump 一下结构再下查询：

TRAE_GLOBAL="$TRAE_BASE/User/globalStorage/state.vscdb"

if [ -f "$TRAE_GLOBAL" ]; then
  TSQ='sqlite3 file:'"$TRAE_GLOBAL"'?mode=ro&immutable=1'
  $TSQ ".tables"
  $TSQ "SELECT name FROM sqlite_master WHERE type='table';"

  # 常见结构：ItemTable(key TEXT, value BLOB) —— 类 VS Code KV
  # Trae 把 chat 存为 key='trae.chat.*' 或 'composer.*' 形式（版本不同前缀不同）
  $TSQ "SELECT key, length(value) FROM ItemTable \
        WHERE key LIKE '%chat%' OR key LIKE '%conversation%' OR key LIKE '%composer%' \
        ORDER BY length(value) DESC LIMIT 30;" 2>/dev/null
fi

# 工作区级 chat
for d in "$TRAE_WS"/*/; do
  db="$d/state.vscdb"
  [ -f "$db" ] || continue
  ws_chat_keys=$(sqlite3 "file:$db?mode=ro&immutable=1" \
    "SELECT COUNT(*) FROM ItemTable WHERE key LIKE '%chat%' OR key LIKE '%composer%';" 2>/dev/null)
  echo "$(basename "$d") chat_keys=$ws_chat_keys"
done

期望提取：

时间窗口模式下，Trae workspace / chat 只能在存在可靠 timestamp 或文件 mtime 落入窗口时计入窗口活跃。否则只作为「检测到 Trae 配置 / all-time context」展示， 不要计入月度 sessions、active projects 或关键词。

强烈降级提示：

• Trae chat 的 key 格式没有公开稳定文档。如果 LIKE 没匹中任何 row， 老老实实在报告里写「Trae 本地 chat 仅检测到 workspace 数量 N，对话内容 key 命名约定本工具暂不解析」，不要编造 session 数。
• 如果工作区目录为空或 state.vscdb 文件不存在，直接跳过该工作区。

3c.3 Token 用量 —— 仅云端，本地无法读

Trae 的 token / 模型用量走云端 API。第三方工具（如 tokscale）的做法是： 用户先 tokscale trae login，再调 query_user_usage_group_by_session 拉数据 缓存到 ~/.config/tokscale/trae-cache/sessions/*.json。

本 skill 不发起任何网络请求，所以 Trae 的 token 数字无法被采集。 最终报告里诚实写：「Trae 的 token 用量数据由 ByteDance 云端 API 持有， 本 skill 出于『100% 本地 + 只读』原则不接入；如需 Trae token，请使用 tokscale 等第三方工具单独采集后人工补入。」

可选：如果用户已经在 ~/.config/tokscale/trae-cache/sessions/ 里有 导出的 JSON 缓存，可以读它（只读、本地）：

TOKSCALE_TRAE="$HOME/.config/tokscale/trae-cache/sessions"
if [ -d "$TOKSCALE_TRAE" ]; then
  jq -s 'map(.token_count // 0) | add' "$TOKSCALE_TRAE"/*.json 2>/dev/null
  jq -r '.model // empty' "$TOKSCALE_TRAE"/*.json 2>/dev/null | sort | uniq -c
fi

3c.4 项目 .trae/ 配置（rules / skills / .ignore）

跟 Kiro .kiro/、Claude 项目 .claude/ 一样，Trae 在项目内提供 .trae/ 工作区目录。这是「用户给 AI 立规矩」的一手证据。

for path in <candidate-paths>; do
  trae_dir="$path/.trae"
  [ -d "$trae_dir" ] || continue
  echo "$path::trae::rules=$(ls "$trae_dir"/rules/*.md 2>/dev/null | wc -l)::skills=$(ls -d "$trae_dir"/skills/*/ 2>/dev/null | wc -l)::ignore=$([ -f "$trae_dir/.ignore" ] && echo 1 || echo 0)"
done

.trae/rules/*.md 与 .trae/skills/*/SKILL.md 都是 markdown， 继续沿用 Step 2.4b 的 YAML frontmatter 解析逻辑。把它们合并进 6.2 的 「AI 基础设施层」总表，新增一列「来源 = Trae」。

3c.5 Trae 数据缺失时的诚实声明

• ~/Library/Application Support/Trae/ 不存在 → 完全跳过本节
• 存在但工作区 chat key 解析失败 → 仅展示「打开过的项目数 + .trae/ 配置」
• token 数据永远缺失 → 明确写「本地未持有，需经云端 API 拉取，本 skill 不联网」

Step 3d — 读取 Gemini Antigravity 数据 (~/.gemini/antigravity/)

Antigravity is the third local AI tool source. Treat each ~/.gemini/antigravity/brain/<uuid>/ directory as one Antigravity task/session. Only count directories whose basename is a UUID; ignore non-task directories such as tempmediaStorage.

Only read local text data:

• *.metadata.json for artifact metadata and summaries
• task.md, implementation_plan.md, walkthrough.md
• text variants ending in .resolved, .resolved.0, .resolved.1, etc.

Never read for analytics:

• screenshots or images (*.png, *.webp, *.jpg, *.jpeg)
• ~/.gemini/antigravity/annotations/*.pbtxt
• ~/.config/Antigravity/* browser/cache data
• browser profiles or cache directories

AG_BRAIN="$HOME/.gemini/antigravity/brain"
AG_UUID_RE='[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}'

# Count Antigravity task/session directories; exclude temp/media helper dirs
find "$AG_BRAIN" -mindepth 1 -maxdepth 1 -type d 2>/dev/null \
  | grep -E "/$AG_UUID_RE$" | wc -l

# Artifact type breakdown from metadata in task/session directories
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -name '*.metadata.json' -type f 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+\.metadata\.json$" \
  | xargs -r jq -r '.artifactType // "unknown"' | sort | uniq -c | sort -rn

# Activity by day from metadata updatedAt
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -name '*.metadata.json' -type f 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+\.metadata\.json$" \
  | xargs -r jq -r '.updatedAt // empty' \
  | cut -c1-10 | grep -E '^[0-9]{4}-[0-9]{2}-[0-9]{2}$' \
  | sort | uniq -c

# Monthly activity for Evolution curve
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -name '*.metadata.json' -type f 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+\.metadata\.json$" \
  | xargs -r jq -r '.updatedAt // empty' \
  | cut -c1-7 | grep -E '^[0-9]{4}-[0-9]{2}$' \
  | sort | uniq -c

# Summaries for topic extraction; do not quote full text in the README
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -name '*.metadata.json' -type f 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+\.metadata\.json$" \
  | xargs -r jq -r '.summary // empty' | head -200

# Markdown headings for topic extraction
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -type f \
  \( -name 'task.md' -o -name 'implementation_plan.md' -o -name 'walkthrough.md' \
     -o -name 'task.md.resolved*' -o -name 'implementation_plan.md.resolved*' \
     -o -name 'walkthrough.md.resolved*' \) 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+$" \
  | xargs -r grep -hE '^#{1,3} ' | head -200

# Checkbox volume, useful for task/planning depth
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -type f \
  \( -name 'task.md' -o -name 'implementation_plan.md' -o -name 'walkthrough.md' \
     -o -name 'task.md.resolved*' -o -name 'implementation_plan.md.resolved*' \
     -o -name 'walkthrough.md.resolved*' \) 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+$" \
  | xargs -r grep -hE '^- \[[ xX/-]\]' | wc -l

# Antigravity text artifact scale. This is NOT billing usage and MUST NOT be
# merged into Claude/Codex token totals.
find "$AG_BRAIN" -mindepth 2 -maxdepth 2 -type f \
  \( -name 'task.md' -o -name 'implementation_plan.md' -o -name 'walkthrough.md' \
     -o -name 'task.md.resolved*' -o -name 'implementation_plan.md.resolved*' \
     -o -name 'walkthrough.md.resolved*' \) 2>/dev/null \
  | grep -E "/$AG_UUID_RE/[^/]+$" \
  | xargs -r wc -l -m \
  | awk '
      $NF != "total" { files++; lines += $1; chars += $2 }
      END {
        printf "antigravity_text_files=%d\n", files + 0
        printf "antigravity_text_lines=%d\n", lines + 0
        printf "antigravity_text_chars=%d\n", chars + 0
        printf "antigravity_estimated_token_equivalent=%d\n", int(chars / 4 + 0.5)
      }'

Compute:

• antigravity_tasks = count of brain/<uuid>/ directories.
• antigravity_artifacts_by_type = counts by artifactType.
• antigravity_active_days = unique dates from valid updatedAt values.
• antigravity_first_active / antigravity_last_active = min/max valid updatedAt dates.
• antigravity_monthly_activity = monthly counts from valid updatedAt values.
• antigravity_topics = metadata summaries + markdown headings + checkbox section labels, used only for keywords and high-level themes.
• antigravity_text_files = count of eligible Antigravity text artifact files.
• antigravity_text_chars = total character count across eligible Antigravity text artifacts.
• antigravity_text_lines = total line count across eligible Antigravity text artifacts.
• antigravity_estimated_token_equivalent = round(antigravity_text_chars / 4) as a rough text-scale proxy only.

时间窗口模式下，Antigravity 只统计 updatedAt、文件 mtime 或可解析 metadata 时间 落入 [REPORT_START, REPORT_END_EXCL) 的 task/artifact。没有可靠时间的 artifact 可以出现在 all-time context 或缺失说明里，不参与月度增量。

Antigravity data does not expose verified billing token counts. Use — in token columns or omit token metrics for Antigravity. If reporting antigravity_estimated_token_equivalent, label it exactly as estimated token-equivalent (non-billing) and keep it outside all real token totals, token economics tables, and billing/paid-token claims.

Step 3e — 读取 Cursor 数据 (~/Library/Application Support/Cursor/ + 项目 .cursor/)

Cursor 是 Anysphere 出的 AI IDE，基于 VS Code fork（Electron），存储模型 跟 Trae / VS Code 同款（User/workspaceStorage/<hash>/state.vscdb 的 ItemTable KV 表，加 User/globalStorage/state.vscdb 全局聚合库）。chat / composer 数据本地完整缓存，但 token 用量统计走云端 dashboard（Cursor Pro 计费 依赖云端），本机不持久化精确 token 数字。所以本步骤只读两类本地数据：

1. 工作区 / 全局 state.vscdb 里的 chat / composer 元数据（数量、cwd、关键词）
2. 项目 .cursor/ 与 home 配置里的 rules / mcp / settings

所有读取必须只读：SQLite 强制 mode=ro&immutable=1；不要触发任何 Cursor 进程写操作。先检测目录是否存在，不存在直接跳过本节。

3e.1 工作区数量与项目分布

# macOS 路径（Linux: ~/.config/Cursor/User/，Windows: %APPDATA%\Cursor\User\）
CURSOR_BASE="$HOME/Library/Application Support/Cursor"
CURSOR_WS="$CURSOR_BASE/User/workspaceStorage"

[ -d "$CURSOR_WS" ] || { echo "Cursor not installed or no workspaces; skip Step 3e"; }

# 工作区数（每个 hash 目录 = 一个被打开过的项目）
ls -d "$CURSOR_WS"/*/ 2>/dev/null | wc -l

# 每个工作区对应的真实项目路径（workspace.json 里有 folder / configuration）
for d in "$CURSOR_WS"/*/; do
  if [ -f "$d/workspace.json" ]; then
    jq -r '.folder // .configuration // empty' "$d/workspace.json"
  fi
done | sort -u

3e.2 Chat / Composer 元数据（SQLite, read-only）

全局聚合库在 User/globalStorage/state.vscdb。Cursor 的 chat / composer key 命名比 Trae 略稳定一些（社区有逆向资料）。优先读取 composer.composerHeaders：它通常是 JSON object，内部 allComposers 数组包含 composer 标题、subtitle、创建/更新时间、workspaceIdentifier、trackedGitRepos、 变更行数等元数据。这些属于「内容线索」但不是完整对话正文，适合用于关键词、 项目分布和 Cursor 协作强度。常见 prefix 还有 composer.*、aiService.*、 workbench.panel.aichat.*、aiCodeBlockDiff.*。但仍然 版本会变化， 必须先 dump 结构再下查询：

CURSOR_GLOBAL="$CURSOR_BASE/User/globalStorage/state.vscdb"

if [ -f "$CURSOR_GLOBAL" ]; then
  sqlite3 "file:$CURSOR_GLOBAL?mode=ro&immutable=1" ".tables"

  # Composer / chat 类 key 排行（按 value 大小，大的通常是真实对话数据）
  sqlite3 "file:$CURSOR_GLOBAL?mode=ro&immutable=1" \
       "SELECT key, length(value) FROM ItemTable \
        WHERE key LIKE 'composer.%' OR key LIKE 'aiService.%' \
           OR key LIKE '%aichat%' OR key LIKE '%aiCodeBlockDiff%' \
        ORDER BY length(value) DESC LIMIT 30;" 2>/dev/null

  # Cursor 新版常见：composer.composerHeaders -> {"allComposers":[...]}。
  sqlite3 "file:$CURSOR_GLOBAL?mode=ro&immutable=1" \
    "SELECT value FROM ItemTable WHERE key = 'composer.composerHeaders';" 2>/dev/null \
    | jq '.allComposers | length' 2>/dev/null

  # 只抽元数据，不输出完整对话正文：name / subtitle / date / workspace /
  # changed lines / tracked repos. Use this as cursor_corpus and project signal.
  sqlite3 "file:$CURSOR_GLOBAL?mode=ro&immutable=1" \
    "SELECT value FROM ItemTable WHERE key = 'composer.composerHeaders';" 2>/dev/null \
    | jq -r '
        (.allComposers // [])[]
        | [
            (.name // ""),
            (.subtitle // ""),
            ((.createdAt // .lastUpdatedAt // 0) / 1000 | strftime("%Y-%m-%d")),
            (.workspaceIdentifier.uri.fsPath // .workspaceIdentifier.uri.path // ""),
            (.totalLinesAdded // 0),
            (.totalLinesRemoved // 0),
            ((.trackedGitRepos // []) | map(.repoPath // empty) | join(","))
          ] | @tsv
      ' 2>/dev/null | head -300

  # Cursor plans/spec-like work, often stored as object keys. Use keys as topic
  # signals only; do not treat them as exact session counts unless schema is clear.
  sqlite3 "file:$CURSOR_GLOBAL?mode=ro&immutable=1" \
    "SELECT value FROM ItemTable WHERE key = 'composer.planRegistry';" 2>/dev/null \
    | jq -r 'if type=="object" then keys[] else empty end' 2>/dev/null | head -200
fi

# 工作区级 chat / composer
for d in "$CURSOR_WS"/*/; do
  db="$d/state.vscdb"
  [ -f "$db" ] || continue
  ws_chat_keys=$(sqlite3 "file:$db?mode=ro&immutable=1" \
    "SELECT COUNT(*) FROM ItemTable WHERE key LIKE 'composer.%' OR key LIKE '%aichat%' OR key LIKE 'aiService.%';" 2>/dev/null)
  echo "$(basename "$d") cursor_chat_keys=$ws_chat_keys"
done

期望提取：

时间窗口模式下，Cursor composer headers 有 createdAt / lastUpdatedAt（通常为 毫秒 epoch）时，按这些字段过滤到 [REPORT_START, REPORT_END_EXCL)；workspace mtime 只能作为弱信号。无法解析时间时，只作为「检测到 Cursor 配置 / all-time context」展示，不参与月度 sessions、active projects 或关键词。

强烈降级提示：跟 Trae 一样，Cursor 内部 key 没有官方稳定文档。如果 LIKE 没匹中任何 row，老老实实写「Cursor 本地仅检测到 workspace 数量 N， chat / composer 内容 key 命名约定本工具暂不解析」，不要编造 session 数。

3e.3 Token 用量 —— 本地部分可见，权威数字仅云端

Cursor Pro 的精确 token 用量在云端 dashboard。本机 ItemTable 里可能含有 部分 token 元数据（比如 aiService.applyAiHistory 等 key 内嵌 JSON 里会有 input/output token 字段），但 schema 不稳定也未公开。

本 skill 的策略：

1. 不发起任何网络请求，云端 dashboard 永远不读。
2. 如果能从 ItemTable 里靠 jq 抽出 token 字段 → 作为参考值展示，明确 注明「Cursor 本地估算 token，非云端 dashboard 计费值」。
3. 抽不出来就老实说「Cursor token 数据由 Anysphere 云端 dashboard 持有， 本 skill 出于『100% 本地 + 只读』原则不接入」。

3e.4 项目 .cursor/ 配置（rules / mcp / ignore）

跟 Kiro .kiro/、Trae .trae/ 一样，Cursor 在项目内提供 .cursor/ 工作区 目录。这是「用户给 AI 立规矩」的一手证据。

for project_path in <candidate-paths>; do
  cursor_dir="$project_path/.cursor"
  [ -d "$cursor_dir" ] || continue
  echo "$project_path::cursor::rules=$(ls "$cursor_dir"/rules/*.{md,mdc} 2>/dev/null | wc -l)::mcp=$([ -f "$cursor_dir/mcp.json" ] && echo 1 || echo 0)::ignore=$([ -f "$cursor_dir/.cursorignore" ] && echo 1 || echo 0)"
done

# 兼容旧版根目录的 .cursorrules 单文件
for project_path in <candidate-paths>; do
  [ -f "$project_path/.cursorrules" ] && echo "$project_path::cursorrules=1"
done

.cursor/rules/*.{md,mdc} 是 markdown / Markdown-with-frontmatter，继续沿用 Step 2.4b 的 YAML frontmatter 解析逻辑。把它们合并进 6.2 的「AI 基础设施层」 总表，新增一列「来源 = Cursor」。

3e.5 Cursor 数据缺失时的诚实声明

• ~/Library/Application Support/Cursor/ 不存在 → 完全跳过 Step 3e
• 存在但 composer.composerHeaders 缺失 → 降级用 composer/chat key 计数与 workspace folder
• 存在但工作区 chat key 解析失败 → 仅展示「打开过的工作区数 + .cursor/ 配置」
• token 数据本地不可信 → 明确写「权威 token 在云端 dashboard，本 skill 不联网； 本地估算仅作参考」

Step 4 — GitHub (via gh)

gh auth status >/dev/null 2>&1 || { echo "gh not auth'd, skipping"; }

If authenticated:

# Default profile mode keeps the existing 365-day GitHub window. Windowed /
# monthly mode uses REPORT_START..REPORT_END_EXCL so GitHub matches local AI
# metrics.
if [ "${WINDOW_REQUESTED:-0}" = "1" ]; then
  GH_FROM="${REPORT_START}T00:00:00Z"
  GH_TO="${REPORT_END_EXCL}T00:00:00Z"
else
  GH_FROM="$(date -u -v -365d +%Y-%m-%dT00:00:00Z)"
  GH_TO="$(date -u +%Y-%m-%dT00:00:00Z)"
fi

# GitHub contributions + top repos in the current report window
gh api graphql -f query='
query($from: DateTime!, $to: DateTime!) {
  viewer {
    login name bio
    contributionsCollection(from: $from, to: $to) {
      totalCommitContributions
      totalPullRequestContributions
      totalIssueContributions
      totalRepositoryContributions
      totalPullRequestReviewContributions
      restrictedContributionsCount
      contributionCalendar { totalContributions
        weeks { contributionDays { date contributionCount } } }
      commitContributionsByRepository(maxRepositories: 25) {
        contributions { totalCount }
        repository { nameWithOwner isPrivate isFork stargazerCount
                     primaryLanguage { name } }
      }
    }
    repositories(first: 1, ownerAffiliations: OWNER) { totalCount }
    pullRequests(first: 1) { totalCount }
    issues(first: 1) { totalCount }
  }
}' -F from="$GH_FROM" -F to="$GH_TO"

Then page through repositories for language bytes (up to 5 pages × 100 repos):

gh api graphql -f query='
query($cursor: String) {
  viewer { repositories(first: 100, after: $cursor, ownerAffiliations: OWNER,
                         isFork: false, orderBy: {field: UPDATED_AT, direction: DESC}) {
    pageInfo { hasNextPage endCursor }
    nodes { nameWithOwner isPrivate stargazerCount
            languages(first: 10, orderBy: {field: SIZE, direction: DESC}) {
              edges { size node { name } } } }
  } } }' -F cursor=""

Aggregate languages by Σ size per language across all repos.

Step 5 — 本地 Git 提交

Build the candidate path set from:

1. Real cwd recovered for each ~/.claude/projects/<encoded>/
2. cwd column from Codex threads table
3. cwd field in Kiro ~/.kiro/sessions/cli/*.json
4. folder field in Trae User/workspaceStorage/*/workspace.json

Dedupe the union before running git checks.

For each path that's a git repo, count the current user's commits in the current report window. Default profile mode uses the past year; monthly/range mode uses REPORT_START..REPORT_END_EXCL:

me=$(git config --global user.email)

if [ "${WINDOW_REQUESTED:-0}" = "1" ]; then
  GIT_SINCE="$REPORT_START 00:00:00"
  GIT_BEFORE="$REPORT_END_EXCL 00:00:00"
else
  GIT_SINCE="1.year.ago"
  GIT_BEFORE="now"
fi

for path in <candidate-paths>; do
  [ -d "$path/.git" ] || continue
  git -C "$path" log --since="$GIT_SINCE" --before="$GIT_BEFORE" --author="$me" \
      --numstat --no-renames --pretty=format:'COMMIT|%H|%aI'
done

Aggregate:

• commits (count of COMMIT| lines)
• additions, deletions (sum the numstat columns)
• last_commit_iso
• Per-extension LOC (count + - per file extension → top 10 languages)

Step 6 — 计算 10 个维度（你做推理，不要写脚本）

If WINDOW_REQUESTED=1, every number in Step 6 is scoped to REPORT_LABEL unless explicitly labeled otherwise. Do not silently fall back to all-time data. If the selected window has no data, generate a short honest report that says the time range has no measurable local activity instead of expanding the window.

For windowed reports, add a "阶段变化" interpretation by comparing the current window with PREV_START..PREV_END_EXCL when enough data exists:

• activity delta: active days, Claude sessions/messages, Codex threads, Antigravity tasks, Kiro sessions, Trae/Cursor workspace signals
• output delta: GitHub contributions, local commits, LOC churn, active repos
• AI investment delta: verified Claude/Codex/Kiro tokens, Claude cache leverage
• mix shift: top tools, top domains, top projects, model migration, command mix
• narrative conclusion: 2-4 bullets answering "这个阶段 AI 编码带来了什么效果 / 发生了什么变化"

If the previous comparison window has no data, use week-by-week or first-half vs second-half changes inside the selected window. If even that is too sparse, state that the report is a snapshot, not a trend.

6.1 一览

• 总活跃天数 = unique union of all dates from dailyActivity (Claude) + Codex by_date + Claude history by_date
  • Kiro by_date (3b.1) + antigravity_active_days (3d) + Trae / Cursor 工作区最后访问日期（如果能从 workspace.json 或 state.vscdb 的 mtime 推断；推不出就略过这两项）
• 跨度 = min..max of those dates
• 总 sessions / 总消息 / claude_spent（Σ input+output+cache_creation） / claude_cache_read / 总 codex threads / codex_tokens / kiro_sessions / kiro_tokens（如果 3b.1 拿到了）/ trae_workspaces / cursor_workspaces + cursor_composer_count / antigravity_tasks（Antigravity task/session 数） —— 这些数字必须出现在「一览」里，缺失项显示 —，不要省略行
• 同期 GitHub: commits, PRs, issues, calendar_total
• 本地 git: commits / +additions / −deletions / repos

If available, include antigravity_text_files, antigravity_text_chars, antigravity_text_lines, and antigravity_estimated_token_equivalent as an Antigravity artifact scale note, not as real token usage.

• Velocity 指标（v2.0 新增）:
  • commits_per_day = git_local_commits / active_days
  • loc_churn_per_day = (additions + deletions) / active_days
  • simultaneous_repos = count of repos with ≥1 commit
  • cross_stack_langs = count of distinct primary languages across repos

6.2 AI-Native 实践（核心章节）

• 多工具 / 多模型编排: 列出每个模型的 spent / cache_read tokens。
  • Claude / Codex / Kiro model breakdown 合并到同一张 token 表（Kiro schema 有 model 列时按 3b.1 抽取）。
  • Trae / Cursor 的 token 数据本地不可信（云端权威），表中标注 「Trae: 云端 only」/「Cursor: 云端权威，本地仅参考」。
  • Gemini Antigravity 的 tasks/artifacts 单列展示，token 不可得时显示 —，不要估算。
  • 总编排维度 = 同时活跃使用的 AI 工具数（Claude / Codex / Kiro / Trae / Antigravity / Cursor 六选 N）。用过 ≥ 3 个工具 → 报告里强调「多引擎 编排者」叙事。
• 高级能力使用: plan-mode 次数、effort 调节次数、skill 调用次数、 自研 skills 数、hooks/MCP 数、plans/tasks 数、automations 数
• Antigravity 任务制协作: antigravity_tasks、artifact type breakdown、 walkthrough / implementation_plan / task artifacts，用来描述「从任务 → 计划 → walkthrough」的交付闭环。
• Prompt caching 熟练度: cache_to_spent_ratio
• Reasoning effort 分布: xhigh/high/medium/low 占比
• AI 基础设施层（v2.0 新增 —— 这是最 AI-native 的信号）: 列出用户亲手构建的 skills / hooks / automations / rules / steering / agents， 每项给 名称 | 一句话描述 | 来源（Claude/Codex/Kiro/Trae）| 调用次数（如可从 history 统计）。 区分「自建」（用户原创）与「安装」（第三方）。 跨工具复用的 skill（同名 SKILL.md 同时出现在 ~/.claude/skills/ 和 ~/.kiro/skills/）单独高亮 —— 这是真正的 AI 基础设施互操作信号。 这一段的叙事重点：不只是 AI 的使用者，更是 AI 工作流的建设者。

6.3 协作风格

• Top 10 slash commands (cmd, count, 简短解读)
• Plan-to-direct ratio = /plan count / non-command prompt count
• 平均消息/session = totalMessages / totalSessions
• 最长 session: 时长(小时) + 消息数
• Session 架构（v2.0 新增）: 从 history.jsonl 中按 sessionId 分组，统计典型 session 内的命令序列模式：
  • 以 /plan 开头的 session 占比 → 说明「先想再做」的习惯有多强
  • session 内使用 /compact 或 /clear 的比例 → 上下文管理意识
  • /effort 在 session 内的切换频率 → 是否按阶段调节推理深度
  • /resume 使用率 = resume_count / totalSessions → session 连续性 用 2-3 句话总结出用户的 session 驾驭模式（例如： 「典型流程：/plan 规划 → 迭代 → /compact 回收上下文 → 继续交付」）

6.4 项目与领域

• 合并维度: each project key (real_cwd) accumulates `claude_session

…(truncated)