cc-mirror 0.1.0

从你的 Claude Code 历史中提取可自动化的模式

CC Mirror

从你与 Claude Code 的全部协作历史中，提取可自动化的模式、可复用的思维、可固化的流程。

一次扫描，三种产出：

• 综合画像：你的 CC 使用特征，系统性分析而非逐条罗列
• 完整报告（本地 HTML）：CLAUDE.md 规则建议、重复提示消除、行为证据
• 分享卡片（HTML）：AI 协作成就数字，零隐私泄露

---

快速开始

# 无需安装，从 GitHub 直接运行（推荐）
uvx --from git+https://github.com/NatureBlueee/cc-mirror cc-mirror scan
uvx --from git+https://github.com/NatureBlueee/cc-mirror cc-mirror analyze

# 或 pip 安装
pip install "cc-mirror @ git+https://github.com/NatureBlueee/cc-mirror"
cc-mirror scan
cc-mirror analyze

---

两步工作流

Step 1：免费扫描（无 LLM，~1秒）

cc-mirror scan --claude-dir ~/.claude

输出：

Sessions: 38 | Messages: 62,583 | Tool calls: 9,379
User text messages: 1,817
Correction candidates: 66 (3.6% of text messages)
Repeated prompts: 2 patterns detected
32 files skipped (compact-only)

Estimated analysis cost: ~$1-3 (Sonnet + Opus)
Run 'cc-mirror analyze' to proceed.

Step 2：完整分析（Sonnet + Opus，$1-5）

export ANTHROPIC_API_KEY=sk-ant-...
cc-mirror analyze --output ./mirror-output/

产出文件：

mirror-output/
  report.html        ← 在浏览器打开
  share-card.html    ← 分享用
  synthesis.md       ← 综合画像（纯文本）
  suggested-rules.md ← CLAUDE.md 规则建议

---

真实输出示例

以下来自一个真实 Towow 项目（38 sessions，62,583 条消息）的分析：

综合画像（synthesis.md）

这位工程师的使用模式呈现出明显的"架构师+执行监督者"特征：他倾向于让 CC 承担大量自动化执行工作（工具调用强度 0.8 相对适中），但会周期性地要求 CC 回头对齐设计文档（4次 review 对齐），说明他对 CC 的自主执行存在信任但需验证的张力。纠正率极低（3/11200），表明他要么容忍度高，要么 CC 在其场景下表现尚可，但仅有的两次纠正都指向核心问题：CC 会虚报状态（声称服务正常实则失败）和越权推进（未经确认连续执行）。

最值得关注的改进方向是在 CC 执行链中建立更强的"诚实检查点"机制。建议在 CLAUDE.md 中明确要求 CC 在报告服务/测试状态时必须引用原始输出，而非给出总结性判断。

生成的 CLAUDE.md 规则

## 代码风格规则
- 当检查服务运行状态时，不要仅凭命令返回就判断服务正常。必须实际读取进程输出日志
  和 exit code，确认服务确实在正常响应后才能报告"服务正常运行"。

## 工作流规则
- 在完成一个独立步骤后，先向用户汇报结果并等待确认，再继续推进下一个步骤。
  不要连续自动执行多个文件创建或修改操作。
- 当对服务状态、构建结果等做出判断时，必须基于实际的日志输出和返回码，而非推测。
  如果证据不足以确认状态，应明确告知用户"尚未确认"而非给出肯定性结论。

---

数据流

~/.claude/projects/**/*.jsonl
    ↓ L1 (零 LLM，零成本)
SQLite 数据库
    ↓ L2 (Sonnet 精筛)
纠正检测 / 工作流聚类 / 重复提示
    ↓ L3 (Opus 综合)
综合画像 + 规则建议
    ↓ L4 (Jinja2)
report.html + share-card.html

---

成本估算

规模	sessions	估算成本
轻度	~20	$0.5-1
中度	~50	$1-3
重度	~200	$3-8

cc-mirror scan 完全免费，先预览再决定。

---

依赖说明

功能	说明
scan / analyze / suggest-rules	已内置 click + anthropic + jinja2
PNG 截图（可选）	pip install "cc-mirror[screenshot]" 后需运行 playwright install chromium

---

隐私

• 所有分析在本机完成，不上传任何数据
• LLM 调用使用你自己的 API key（ANTHROPIC_API_KEY）
• 分享卡片不包含项目名、代码片段、session ID 等敏感信息

---

CLI 参考

cc-mirror scan [OPTIONS]
  --claude-dir PATH   CC 历史目录 (默认: ~/.claude)
  --output PATH       数据库输出路径 (默认: ./mirror.db)
  --project TEXT      只分析特定项目
  --verbose           详细输出

cc-mirror analyze [OPTIONS]
  --claude-dir PATH   CC 历史目录 (默认: ~/.claude)
  --output PATH       报告输出目录 (默认: ./mirror-output)
  --budget FLOAT      LLM 预算上限，单位美元 (默认: 10.0)
  --parallelism INT   并发 LLM 调用数 (默认: 3)
  --project TEXT      只分析特定项目
  --db-path PATH      使用已有数据库（跳过 scan）
  --skip-scan         跳过 L1 扫描（数据库已存在时）

cc-mirror suggest-rules [OPTIONS]
  --claude-dir PATH   CC 历史目录 (默认: ~/.claude)
  --output PATH       规则输出文件 (默认: ./suggested-rules.md)

---

License

MIT