Prompt file imported from zhaowendao2005/Prisim-PaperLib---ProjectFolder (
.windsurf/workflows/analyze-conversation.md). Copyright stays with the author.
📋 对话记录分析工作流程 SOP
🎯 工作流目标
从超长对话记录(如 8000+ 行的 .specstory/history/*.md 文件)中提取完整的工作内容、技术细节、踩坑经验,生成可供新对话无缝衔接的技术总结。
📊 工作流程图
Step 1: 初步扫描(了解规模和结构)
↓
Step 2: 关键词检索(提取核心信息)
↓
Step 3: 用户意图分析(提取所有用户输入)
↓
Step 4: 工具调用追踪(识别所有文件操作)
↓
Step 5: 段落深度阅读(提取代码和设计)
↓
Step 6: 问题与解决方案提取
↓
Step 7: 结构化输出(生成完整总结)
🔧 详细操作步骤
Step 1: 初步扫描 - 了解对话规模和结构
目的:快速了解文件大小、对话主题、时间跨度
操作:
# 1.1 读取文件头部(前100行)
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 1,
limit: 100
)
# 1.2 读取文件尾部(最后100行)
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 8400, # 总行数 - 100
limit: 100
)
# 1.3 统计用户消息数量
grep(
pattern: "^_\\*\\*User",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "count"
)
输出示例:
- 文件总行数:8468
- 对话主题:了解搜索和抓取服务业务
- 时间跨度:2025-10-25 02:15Z ~ 2025-10-26 09:23Z
- 用户消息数:19条
Step 2: 关键词检索 - 提取核心信息
目的:通过关键词快速定位已完成的工作、遇到的问题、技术决策
2.1 工作完成情况检索
grep(
pattern: "完成|实现了|修改了|创建了|添加了",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content",
-i: true, # 不区分大小写
head_limit: 100 # 限制前100个匹配
)
提取信息:
- ✅ 完成的功能点
- 📝 创建/修改的文件
- 🔧 实现的方法
2.2 问题与错误检索
grep(
pattern: "问题|错误|bug|修复|失败",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content",
-i: true,
head_limit: 50
)
提取信息:
- ⚠️ 遇到的问题
- 🐛 错误原因分析
- ✅ 解决方案
2.3 章节结构检索
grep(
pattern: "^## |^### |Iteration",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content",
head_limit: 100
)
提取信息:
- 📑 对话的主要章节
- 🔄 迭代版本(Iteration 0, 1, 2...)
- 📊 设计文档的结构
Step 3: 用户意图分析 - 提取所有用户输入
目的:理解用户的所有需求和指令
grep(
pattern: "^_\\*\\*User \\(",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content",
-A: 2 # 显示匹配行及其后2行
)
输出示例:
_**User (2025-10-25 02:15Z)**_
@SearchAndScraper/ @SearchAndScraper/ @search-scraper-service/
先了解下业务
---
_**User (2025-10-25 02:15Z)**_
@数据库修改工作流(sqlite).md @事件驱动架构范式总结文档.md
...
提取清单:
- 用户输入1:了解业务
- 用户输入2:设计数据库
- 用户输入3:改造为端到端开发
- 用户输入4:开始实施
- ...
Step 4: 工具调用追踪 - 识别所有文件操作
目的:找出所有被编辑、创建、读取的文件
grep(
pattern: "Tool use.*read_file|Tool use.*edit_file|Tool use.*create_file|Tool use.*write",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content"
)
进一步分析:
对于每个 edit_file 或 write 操作,需要:
- 记录文件路径
- 记录修改的行号范围
- 记录修改的类型(新增/删除/修改)
建立文件操作清单:
编辑的文件(12个):
1. Document/Design/Electron批量爬取/Plan3.md - 行 199-346(添加设计方案)
2. Nimbria/src-electron/services/database-service/schema/versions/v1.2.5.schema.ts - 新建(130行)
3. Nimbria/src-electron/services/database-service/schema/versions/index.ts - 行 10-15(更新版本)
4. Nimbria/src-electron/services/database-service/database-manager.ts - 行 11, 27-67, 238-259
5. Nimbria/src-electron/services/database-service/project-database.ts - 行 451-553(新增方法)
...
Step 5: 段落深度阅读 - 提取代码和设计
目的:读取关键段落的详细内容,提取代码片段、设计思路
5.1 识别关键段落位置
通过 Step 2 和 Step 4 的检索结果,识别关键段落的大致行号:
- 设计方案:第 2000-2200 行
- Schema 定义:第 4400-4600 行
- 数据库方法实现:第 4600-4800 行
- IPC 通道注册:第 4800-5000 行
- 前端类型定义:第 5000-5200 行
- Vue 组件改造:第 5200-5800 行
5.2 精确读取关键段落
# 读取设计方案
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 2010,
limit: 180
)
# 读取 Schema 定义
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 4370,
limit: 300
)
# 读取数据库方法实现
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 4780,
limit: 250
)
# 读取前端类型定义
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 5000,
limit: 250
)
# 读取 Vue 组件改造
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 5240,
limit: 200
)
# 读取问题修复过程
read_file(
target_file: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
offset: 6250,
limit: 150
)
5.3 提取代码块
从读取的段落中提取:
**代码块模式识别**:
- 以 ```typescript 或 ```sql 或 ```vue 开头
- 以 ``` 结尾
- 或者在 <details> 标签内的 diff 块
重点提取:
- Schema 定义(SQL 语句)
- 核心业务方法(TypeScript 代码)
- IPC 通道注册(Electron 代码)
- 类型定义(TypeScript interface)
- Vue 组件逻辑(script setup)
Step 6: 问题与解决方案提取
目的:建立"坑点知识库",避免重复踩坑
6.1 搜索问题关键词
grep(
pattern: "错误|问题|失败|修复|Bug",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content",
-C: 3 # 显示前后3行上下文
)
6.2 搜索解决方案
grep(
pattern: "解决|修复|改为|正确|应该",
path: ".specstory/history/2025-10-25_04-14Z-了解搜索和抓取服务业务.md",
output_mode: "content",
-C: 3
)
6.3 提取模式
对于每个问题,提取:
### 坑X:[问题名称]
**问题**:
[错误的代码或做法]
**现象**:
[错误信息或异常行为]
**原因**:
[根本原因分析]
**解决方案**:
[正确的代码或做法]
**经验总结**:
[可复用的经验]
Step 7: 结构化输出 - 生成完整总结
目的:将提取的信息组织成结构化的技术总结文档
7.1 输出结构模板
# [对话主题] - 完整技术总结
## 📂 涉及的所有文件(完整路径)
### ✏️ 编辑/创建的文件(N个)
- [文件路径1] - [修改内容说明]
- [文件路径2] - [修改内容说明]
### 📖 参与讨论但未修改的文件(N个)
- [文件路径1] - [参与原因]
## 🎯 主要完成的工作
### 阶段1:[阶段名称](第X-Y行)
- 完成的任务1
- 完成的任务2
### 阶段2:[阶段名称](第X-Y行)
...
## 🔑 核心代码片段
### 1. [功能模块名称]
```language
[代码片段]
🔌 使用的 API/方法/接口清单
[分类1]
- API名称1 - 用途说明
- API名称2 - 用途说明
📐 项目规范与习惯
[规范类别1]
- 规范内容
⚠️ 踩的坑与经验总结
坑1:[问题名称]
问题:... 解决:... 经验:...
🎓 可直接复用的知识
[知识点1]
- 复用场景
- 操作步骤
🔄 下一步工作
- 待完成任务1
- 待完成任务2
---
## 📊 **工作流检查清单**
在完成总结前,确保提取了以下所有信息:
### ✅ **必须包含的内容**
- [ ] 对话的时间跨度和主题
- [ ] 所有用户的输入指令(19条)
- [ ] 所有被编辑/创建的文件(12个)及其完整路径
- [ ] 所有参与讨论的文件(7个)及其用途
- [ ] 核心代码片段(至少7段)
- [ ] 使用的所有 API/方法(分类列出)
- [ ] 项目的规范和习惯(至少7类)
- [ ] 遇到的所有坑点(至少6个)
- [ ] 架构决策及其原因(至少3个)
- [ ] 数据流图或架构图
- [ ] 可复用的知识点(至少3个)
- [ ] 下一步工作计划
### ✅ **质量标准**
- [ ] 新 AI 可以仅凭此总结无缝衔接工作
- [ ] 所有文件路径完整且准确
- [ ] 代码片段包含注释和说明
- [ ] 坑点包含问题、原因、解决方案
- [ ] 规范包含示例和反例
---
## 🔄 **工作流实际应用示例**
基于刚才的实际操作:
### **应用实例:分析 2025-10-25_04-14Z 对话**
```bash
# Step 1: 初步扫描
read_file(offset: 1, limit: 100) # → 主题:SearchAndScraper
read_file(offset: 8400, limit: 68) # → 结束于布局调整
# Step 2: 关键词检索
grep("完成|实现|修改", output: content) # → 84个匹配
grep("问题|错误|修复", output: content) # → 49个匹配
grep("^## |^### |Iteration") # → 99个匹配
# Step 3: 用户意图
grep("^_\\*\\*User \\(", -A: 2) # → 19条用户输入
# Step 4: 文件操作
grep("Tool use.*read_file|edit_file") # → 51个工具调用
# Step 5: 段落阅读
read_file(offset: 2010, limit: 180) # → Plan3.md 设计
read_file(offset: 4370, limit: 300) # → Schema 定义
read_file(offset: 4780, limit: 250) # → 数据库方法
read_file(offset: 5000, limit: 250) # → 类型定义
read_file(offset: 5240, limit: 200) # → Vue 组件
read_file(offset: 6250, limit: 150) # → 问题修复
# Step 6: 问题提取
# 从 Step 2 的结果中提取 6 个主要坑点
# Step 7: 结构化输出
# 组织成最终的总结文档(已完成)
🎯 关键成功因素
-
分层检索策略:
- 先宏观(关键词统计)
- 后微观(段落精读)
-
上下文关联:
- 用户输入 → AI 响应 → 工具调用 → 结果
- 建立完整的因果链
-
代码追踪:
- 每个文件操作都要追溯到具体代码
- 记录行号和修改类型
-
坑点提炼:
- 问题 → 原因 → 解决方案 → 经验
- 四段式总结
-
可复用性验证:
- 总结完成后,假设自己是新 AI
- 能否仅凭总结继续工作?
📝 工作流输出物清单
完成工作流后,应该产出:
- ✅ 完整技术总结文档(Markdown 格式)
- ✅ 文件操作清单(Excel/表格)
- ✅ 代码片段库(可搜索)
- ✅ 坑点知识库(FAQ 格式)
- ✅ 架构决策记录(ADR 格式)
- ✅ 下一步工作清单(TODO)
