Usage Insights

usage-insights-skill

生成 Claude Code 与 Codex CLI 的统一历史复盘报告，采用 **Karpathy 视角的定性评审**。

核心特性

• 📊 跨客户端分析: 同时分析 Claude Code 和 Codex CLI 的使用数据
• 🎭 Karpathy 专家评审: 基于真实会话样本进行 5 维定性评价
• 🔍 抽样复盘: 自动抽取最近 20 个 session，输出证据文件
• 🧱 证据先行: 先取样，再由 agent 写主观评级与改进建议
• 🛠 落地践行建议: 在报告中给出可执行的日常实践动作（含频率与完成标准）
• 📚 学习与工具建议: 在报告中明确该学什么、可多用什么工具、怎么练
• 🚫 禁程序化评分: 不输出 x/100、百分比或加权总分

快速开始

# 1) 抽取跨客户端会话样本（默认 20 条）
bash ./scripts/collect_session_samples.sh \
  --source auto \
  --limit 20 \
  --output-dir ./artifacts

# 2) 按模板写专家复盘（由 agent 完成）
# 使用 ./templates/karpathy-review-template.md

# 3) 渲染简洁高对比 HTML（优缺点颜色化 + 重点加粗）
python3 ./scripts/render_review_html.py \
  --input ./artifacts/usage-insights-review.md \
  --output ./artifacts/usage-insights-review.html

输出文件

• artifacts/session-samples.json - 结构化会话样本
• artifacts/session-samples.md - 人类可读样本摘要
• artifacts/usage-insights-review.md - 最终专家评审报告（由 agent 生成）
• artifacts/usage-insights-review.html - 可视化复盘页面（优缺点高亮）

最终回复格式（对用户）

• 执行完 skill 后，最终只返回 1 行本地 HTML 路径（建议绝对路径）
• 不要附加任何解释、总结、评级文本

报告必含章节

• 🛠 用户践行指南：至少 3 条动作，每条包含“执行频率 + 完成标准”
• 📚 学习方向与工具建议：至少 4 条，每条包含“学习主题 + 推荐工具 + 建议练习”

默认推荐工具库

• Claude Code Agent Team / Subagents：并行拆任务与子代理协作
• Claude Code /batch（若环境可用）：批处理固定流程
• Skills（Claude Code / Codex CLI）：沉淀高频工作流
• codex exec --full-auto：长链路自动执行
• git worktree + 多会话并行：多分支并发推进与合并决策

评审方式（非评分器）

基于 Andrej Karpathy 的 Agentic Coding 理念，从 5 个维度给出主观评级:

维度	评审重点
编排能力 (Orchestration)	有没有先拆解任务、定义验收
先探索后编码 (Explore First)	有没有先理解现状再改动
质量监督 (Oversight)	有没有主动要求验证/测试
一次达成 (First-Pass)	指令是否清晰、返工是否可控
并行 Agent (Parallel)	是否具备并行拆任务思维

最终仅允许:

• 维度等级: A/B/C/D（主观）
• 总体评级: A/B/C/D（主观）

禁止:

• 92/100、53%、权重加权、关键词命中分

参考链接

• Andrej Karpathy 推文: https://twitter.com/karpathy/status/1886193731057684941
• 从 Vibe Coding 到 Agentic Engineering: https://medium.com/generative-ai-revolution-ai-native-transforma