你是否曾深夜调试一段被 Cursor 自动生成又悄悄改崩的代码，想回溯当时的完整对话却找不到记录？是否在 Claude Code 中反复优化一个 prompt，结果某次清理缓存后所有交互历史凭空消失？又或者，你正用 Aider 在终端里和 AI 结对编程半年，却从未意识到那些宝贵的「人机协作过程」其实就静静躺在每个项目目录下的 .aider.chat.history.md 里——只是没人帮你收拢、归一、复用？
AI-data-extractor 正是为解决这些真实痛点而生：它不是另一个 AI 工具，而是一个「AI 对话考古学家」——专为你从本地硬盘上数十个分散、异构、无文档的存储位置中，自动发现、解析并统一导出所有 AI 编程助手的原始聊天数据。不依赖云端同步，不触碰你的隐私，不绑定任何厂商账户，只用 Python 标准库，就能把散落在 macOS、Linux、Windows 各种路径里的碎片化历史，变成结构清晰、字段丰富、开箱即用的 conversations.jsonl。
核心功能
- 跨平台全自动扫描：无需手动指定系统类型或配置路径——它内置 macOS（
~/Library/Application Support）、Linux（~/.config、~/.local/share）和 Windows（%APPDATA%、%LOCALAPPDATA%）三大生态的标准应用数据目录规则，一次运行即可覆盖全系统。 - 精准还原多维上下文：不只是导出文字对话，还能提取关键开发语境：比如 Cursor 中你当时选中的代码行范围、Claude Code 记录的完整文件路径与 diff 补丁、Aider 保存的 Markdown 格式代码块及执行结果，甚至 Cline 中 Anthropic 兼容的 message 数组结构——让每条记录都自带「可重现的开发现场」。
- 支持 10+ 主流 AI 编程工具，且持续扩展：从闭源商业产品（Claude Code、Cursor、Windsurf）到开源明星（Aider、Cline/Roo Code、Continue），再到新兴 CLI 工具（Gemini CLI、Codex CLI），覆盖当前开发者最常使用的全部技术栈；特别将 Aider 和 Cline 列为「重点支持」，正是因为它们代表了两种完全不同的存储范式（项目级 Markdown vs 扩展级 JSON 任务树）。
- 零依赖、纯标准库运行：无需
pip install任何第三方包，只要 Python 3.9+（推荐 3.10+），直接python extract.py即可启动——这对在离线环境、CI 流水线或老旧服务器上做数据归档的用户极其友好。 - 交互式菜单 + 命令行双模式：新手可选交互菜单，逐项确认要导出哪些工具；进阶用户可用
--sources cursor,claude_code,aider精确控制，或--list快速预览「我电脑上到底装了哪些能被识别的历史」，避免误操作。 - 智能合并与结构化输出：启用
--merge参数后，自动将所有来源的 JSONL 记录按时间戳排序，合并为单一all_conversations.jsonl文件，每行一条标准化记录，字段包含source（来源工具）、session_id、timestamp、messages、project_path、model_name等，直通 LLM 微调或数据分析 pipeline。 - 模块化设计，支持单点调试与二次开发：每个工具的解析逻辑封装为独立子模块（如
extractors.cursor），可单独运行：python -m extractors.cursor，方便开发者快速验证某个 extractor 是否适配自己特殊版本的 Cursor，也便于贡献新工具支持。 - 安全优先的只读策略：所有操作均为只读扫描，绝不修改、删除、上传任何原始数据——你的聊天记录永远留在本地，工具只是帮你「看见」和「整理」它们。
技术亮点
- 异构存储抽象层设计：项目没有强行统一所有工具的数据模型，而是为每种存储形态（SQLite、JSONL、嵌套 JSON、Markdown）编写专用解析器，并通过统一接口返回标准化的 conversation 对象。例如 Cursor 使用 SQLite 解析
state.vscdb中未公开的表结构，而 Windsurf 和 Trae 则采用启发式字段匹配——这种「尊重现实，不强求理想」的设计，让它真正落地可用。 - 无 Schema 依赖的 SQLite 探测：针对 Cursor、Windsurf 等未公开数据库 schema 的工具，作者通过分析实际数据样本，提炼出高频字段（如
conversationId,messageHistory,createdAt）进行启发式提取，绕过逆向工程门槛，大幅提升兼容性。 - Aider 的「项目感知」路径搜索机制：由于 Aider 将历史文件分散在每个项目根目录下，工具支持
--search-path多次传入自定义路径（如--search-path ~/projects --search-path /mnt/oss-code），并递归扫描，完美适配开发者多工作区、NAS 存储等复杂场景。 - MIT 协议 + 极简架构 = 零信任部署基础：整个项目仅含
extract.py主入口和extractors/模块目录，无网络请求、无隐藏配置、无遥测代码。你可以轻松审计每一行，甚至将其嵌入企业内部数据治理脚本中，满足合规审计要求。
适合哪些人用
这是一款写给「认真使用 AI 编程工具的开发者」的生产力基础设施工具：
- AI 辅助开发实践者：你每天用 Cursor 写前端、用 Claude Code 审查后端、用 Aider 在终端重构脚本——现在你可以把过去 6 个月的所有对话导出，用
jq统计自己最常问哪类问题，或用grep "how to mock"快速召回某次解决方案。 - 开源模型微调工程师：你想基于自己真实的编程对话构建高质量 fine-tuning 数据集？该工具导出的 JSONL 天然符合 Hugging Face
datasets加载规范，字段丰富（含代码上下文、diff、tool calls），远胜网上泛滥的合成数据。 - 技术博主与教育者：你想制作「AI 编程实战案例集」？只需导出自己解决某个 bug 的完整 Cursor + Aider 协作链路，配上注释，就是一篇极具说服力的教程。
快速上手
打开终端，三步完成首次导出：
- 克隆项目：
git clone https://github.com/kruzovic7/ai-data-extractor.git && cd ai-data-extractor - 检查 Python 版本：
python --version（需 ≥3.9） - 运行交互式提取：
python extract.py→ 按提示选择要导出的工具（如选 1,3,9 对应 Claude Code、Cursor、Cline），回车即开始扫描与导出，默认输出到./extracted_data/目录。
常用命令速查：
python extract.py --list：快速预览本机已检测到哪些工具及其数据位置（安全无副作用）python extract.py --sources aider,cursor --search-path ~/my-projects --merge：仅导出 Aider 和 Cursor，限定项目路径，并合并为all_conversations.jsonl./extract_all.sh：一行命令导出全部支持工具（macOS/Linux）
同类对比 / 注意事项
目前市面上几乎没有同类开源工具：多数「AI 数据导出」方案聚焦于单一工具（如仅 Cursor 或仅 Claude），或依赖浏览器插件抓取网页版聊天（无法获取本地客户端的完整上下文）。而本项目最大差异在于存储层穿透能力——它直接读取应用本地数据库和文件，而非模拟用户操作，因此能拿到更完整、更底层的数据（如 Cursor 的 selection range、Claude Code 的 file context）。
注意事项：
- 部分工具（如 Windsurf、Trae）因官方未公开 schema，解析依赖启发式匹配，若升级后格式变更，可能需等待 extractor 更新；
- Aider 导出需显式指定项目路径（
--search-path），否则默认不扫描； - 首次运行时，若某工具数据量极大（如 Cursor 数年历史），SQLite 查询可能耗时数分钟，请耐心等待。
项目信息
Free open-source extractor for AI coding assistant chat histories. Supports Claude Code, Cursor, Windsurf, Aider, Cline/Roo Code, and more.
815
Stars
132
Forks
Python
MIT
Python｜815 ⭐｜MIT 开源协议｜GitHub 项目地址
如果你相信「我的 AI 协作数据，应该由我定义用途、掌控流向、长期留存」——那么这个不到 500 行核心代码、不联网、不收费、不设限的工具，就是你今天最值得下载的开源小而美项目。
