agentsview：本地优先的 AI 编程 Agent 会话分析平台

一句话亮点

将散落在各处的 AI 编程工具会话统一归档，提供本地 SQLite 存储、全文搜索、Token 消耗统计和会话回放能力，让开发者在不用改代码的情况下，随时回溯"刚才那条指令到底做了什么"。

背景：多 Agent 时代的管理困境

2024 年起，AI 编程工具进入了爆发期：Claude Code、OpenAI Codex、Cursor AI Assistant、Zed AI Assistant、OpenCode、Command Code、Kiro……每个工具都有自己独立的会话存储机制，文件散落在 $HOME/.claude/projects、$HOME/.codex、$HOME/.cursor 等不同角落。一个同时使用多个 Agent 的开发者，往往面临这样的困境：上周让 Claude Code 写的一个登录模块，现在想找出来看看细节——得先想起来当时用的是哪个项目、哪个会话。更令人头疼的是 Token 费用：同一个项目，你可能同时开着 Claude Code 和 Codex，两者各自消耗了多少 Token？没有任何工具能给出统一视图。

agentsview 正是在这个背景下诞生的。它由独立开发者 Kenn（GitHub @kenn-io）构建，核心理念是"本地优先，数据不离开你的机器"。Agentsview 会自动扫描机器上所有支持的 AI 编程工具会话目录，将元数据、对话内容、工具调用记录全部同步到一个本地的 SQLite 数据库，然后通过一个 Web UI 集中呈现——搜索、统计、回放，一站搞定。目前已支持超过 20 种 AI 编程 Agent，包括 Claude Code、Codex（OpenAI）、OpenCode、Cursor AI Assistant、Zed AI Assistant、OpenHands、Kilo、Command Code、StepCode、Junie、Pi、Browxy、RoboCode Agent 等主流工具。

核心功能：从会话发现到成本洞察

会话自动发现与归档

Agentsview 启动时会自动扫描预设的 Agent 会话目录。对于 Claude Code，会读取 $HOME/.claude/projects/ 下的会话 JSON 文件；对于 Codex，则扫描对应的工作目录。每次启动时，Agentsview 会增量同步新增的会话，并在后台持续监视这些目录的变化（通过文件系统事件监听），新会话出现时自动入库。数据默认存储在 ~/.agentsview/sessions.db，用户完全掌控数据库文件位置。

全文本搜索与语义搜索

传统搜索只能按关键词匹配，但 Agent 会话中真正有价值的信息往往隐藏在自然语言描述里。Agentsview 支持两种搜索模式：全文搜索（基于 SQLite FTS5）对会话标题、参与者名称、工具名称进行关键词检索；语义搜索（基于 sqlite-vec 向量数据库）则支持按语义相似度搜索，即使用自然语言描述想找的会话内容，系统会返回语义最接近的结果。这对于回溯"那个做数据迁移的会话在哪里"这类模糊需求特别有效。

Token 消耗与费用统计

这是 Agentsview 最受关注的特性之一。对于接入了计费 API 的 Agent（如 Claude Code、Codex），Agentsview 会在会话导入时解析 API 调用的输入/输出 Token 数量，并按当前模型定价计算费用。用户可以在 Web UI 的 Usage 面板中查看每日/每周/每月的 Token 消耗和费用趋势，了解哪些项目/会话消耗最高。同时支持按模型维度拆分（GPT-4o、Claude 3.5 Sonnet、DeepSeek 等），帮助团队评估成本分布。费用数据来自 LiteLLM 的公开定价快照，用户也可自定义模型定价。

会话回放与质量评估

每个会话都可以在 Web UI 中直接回放。Agentsview 以时间轴形式呈现完整的工具调用序列——包括执行的 Shell 命令、文件修改操作、错误信息以及 Agent 的自我修正过程。Session Intelligence 模块会对会话进行健康评分，评估会话的最终结果（成功/失败/未完成）、工具错误恢复情况以及任务完成度。对于 Code Review 类会话，Agentsview 还支持与 roborev（Kenn 的另一款 AI 代码审查工具）集成，将审查结果直接嵌入会话视图。

多机器聚合与远程访问

在团队场景中，开发者可能同时使用多台机器。Agentsview 支持将多台机器的会话数据聚合到一台"主机"上查看，也可以从 S3 等远程存储导入会话。Docker 模式下可以启动一个只读的团队分析仪表盘，所有开发者将本地会话数据推送至共享服务器，实现跨机器的项目活跃度统计。

WebSocket 实时推送

Claude Code 的 PreToolUse / PostToolUse 钩子（hook）事件会通过 WebSocket 实时推送到 Web UI，用户可以在 Dashboard 上实时看到 Agent 当前正在执行什么命令、产生了多少 Token 消耗、当前会话的健康度评分。这使得 Agentsview 不仅是一个"事后分析"工具，也是一个实时监控面板。

技术架构：Go 后端 + Svelte 前端 + SQLite 向量数据库

从代码结构看，Agentsview 采用典型的 前后端分离架构：

• 后端：纯 Go 语言实现，无外部运行时依赖，单二进制文件。核心依赖包括：

  • github.com/mattn/go-sqlite3 — SQLite 数据库驱动（cgo 编译）
  • go.kenn.io/kit/vector/sqlitevec — sqlite-vec 向量搜索扩展（用于语义搜索）
  • github.com/gorilla/websocket — WebSocket 实时推送
  • github.com/spf13/cobra — CLI 命令框架
  • Web 静态资源直接嵌入二进制（Go 的 embed 包）

• 前端：Svelte + TypeScript + Vite 构建，UI 组件库使用自定义 design system（@kenn-io/kit-ui），国际化依赖 Paraglide（Svelte 的编译时 i18n 方案）。支持 8 种语言（简体中文、繁体中文、英语、法语、西班牙语、日语、韩语、阿塞拜疆语）。

• 数据库：SQLite（含 FTS5 全文索引 + sqlite-vec 向量扩展），数据文件单文件存储，便于备份和迁移。也可切换为 PostgreSQL / ClickHouse / CockroachDB 作为后端存储。

• Docker 多阶段构建：前端 Node 24 构建 Svelte 资产，Go 1.27 编译后端，最终打包为 debian-slim 镜像，总大小控制在合理范围内。Docker 模式下默认开启身份验证（Bearer Token），暴露 8080 端口。

代码质量方面，Kenn 维护了详尽的内部文档（CLAUDE.md、DESIGN.md、CONTEXT.md），遵循严格的组件复用规则（新增 UI 控件前必须搜索现有组件库）、国际化规范（所有 UI 文本必须走 Paraglide 字典而非硬编码），体现了工程上的成熟度。

部署方式：多种选择，分钟级上手

Agentsview 提供了极其灵活的安装方式，覆盖从个人开发机到团队服务器的各类场景：

macOS / Linux 一键安装（推荐）：

curl -fsSL https://agentsview.io/install.sh | bash

Windows PowerShell：

powershell -ExecutionPolicy ByPass -c "irm https://agentsview.io/install.ps1 | iex"

Homebrew：

brew install --cask agentsview

Docker（适合服务器或不想安装的人群）：

docker run --rm -p 127.0.0.1:8080:8080 \
  -v agentsview-data:/data \
  -v "$HOME/.claude/projects:/agents/claude:ro" \
  -v "$HOME/.forge:/agents/forge:ro" \
  -e CLAUDE_PROJECTS_DIR=/agents/claude \
  -e FORGE_DIR=/agents/forge \
  -e AGENTSVIEW_REQUIRE_AUTH=true \
  ghcr.io/kenn-io/agentsview:latest

启动后，Web UI 监听 http://127.0.0.1:8080，首次访问会自动发现本机所有支持的 Agent 会话并开始导入。Docker 模式默认开启 Bearer Token 认证，本地 CLI 模式无需认证。

远程访问（SSH 端口转发、Coder、exe.dev 等场景）：需要通过 --public-url 指定浏览器访问的来源地址，否则会被安全策略拒绝。

局限与注意事项

1. 会话解析存在版本依赖：Agentsview 依赖解析各 Agent 的会话文件格式（JSON 结构），当 Agent 更新版本导致会话格式变化时，解析可能失败。Kenn 在 Release Note 中会标注影响版本，用户需要注意更新。
2. Token 费用估算为近似值：模型定价来自公开快照，实际账单可能因 API 提供商的折扣、谈判价格或用量阶梯而有所偏差。不建议直接用 Agentsview 的费用数据做财务核算。
3. Docker 模式存储路径需正确映射：如果 Agent 会话目录未正确映射到容器内，agentsview sync 无法发现会话，初次配置需要仔细检查卷挂载路径。
4. 语义搜索依赖 sqlite-vec：该扩展通过 cgo 链接 SQLite，编译时需要 C 工具链。官方 Docker 镜像已内置，但自行编译需要确保 gcc 和 sqlite3.h 可用。

行业意义

Agentsview 代表的趋势是"Agent 可观测性（Observability）"的兴起。随着 AI 编程工具从实验性工具变成日常开发环境，开发者开始需要类似传统软件监控的工具来理解 AI 的行为——不仅是"用了多少 Token"，更是"做了什么决策""产生了什么代码""哪些任务 AI 做得很好、哪些需要人工介入"。Agentsview 填补了这一空白，且坚持本地优先的数据策略，避免了将敏感代码上下文上传到第三方服务器的风险。在 GitHub 上 6,000+ stars 和持续活跃的版本发布（截至 2026 年 10 月已达 v0.45.0）表明，这一赛道正在获得社区的认可。未来，随着 AI Agent 在团队协作中的普及，像 Agentsview 这样的会话分析平台有望成为开发工作流的标配组件。