每个人都在追逐下一个模型。 真正的优势往往平淡无奇。 围绕你实际的工作方式构建一个框架。 你的代理已经记录了每个会话。 每个提示。 每次工具调用。 每个错误。 每个令牌。 几乎没人会阅读这些记录。 这一个提示就能将这些日志转化为仪表盘，并准确地告诉你需要修复什么。 将其粘贴到 Claude Code 或 Codex 中 提示开始 请根据我过去 7 天的 AI 编码会话，为我构建一个可观测性仪表盘（类似 Langfuse）。 来源（只读，切勿修改）： Claude Code：~/.claude/projects/**/*.jsonl Codex：~/.codex/sessions/**/*.jsonl 和 ~/.codex/history.jsonl 隐私：切勿打印密钥、API 密钥或完整提示。任何代码片段都应少于 10 个单词，并移除键、路径、URL 和长 ID。 步骤 1：数据统计 编写一个仅使用标准库的 Python 脚本。针对每个工具，计算以下内容： • 按工具名称统计的每日会话数、提示数和工具调用次数 • 按工具和错误类型分组的失败工具调用次数 • 每日使用的模型数以及每个模型的令牌数（输入、输出、缓存读取、缓存写入） • p50 和 p95 时的工具调用延迟和会话时长 • 按令牌数、会话时长和重试次数（错误后重复调用）统计的最大会话数 • 按任务类型分类的提示数：构建、调试、部署、研究、写作、UI、审核、其他 • 按项目文件夹分组的会话数，并标记子代理运行情况 如果日志中缺少某些内容，请填写“未记录”。切勿随意编造数字。 将所有数据保存到 harvest-summary.json 文件中。 步骤 2：仪表盘 创建一个独立的 dashboard.html 文件，采用深色主题并包含动画图表： • 顶部栏：工具调用次数、提示次数、错误率、令牌数、P95 延迟 • 会话表：工具、项目、开始时间、持续时间、提示次数、工具调用次数、错误次数、令牌数、模型。可搜索、排序、筛选，并带有隐藏子代理运行的切换开关 • 点击任意会话即可查看每次回合和工具调用的时间线，标记为成功或错误，并显示持续时间 • 按项目划分的会话图表、按模型划分的令牌数随时间变化的图表，以及包含错误率的模型表 • 按工具划分的延迟，以及按工具和错误类型分组的错误浏览器 • 每个会话的健康评分，清晰地标记为“启发式” 如果文件过大，则仅包含令牌数排名前 200 的会话。 步骤 3：修复 仅使用这些数据，编写 HARNESS.md 文件，并附上对我的 CLAUDE.md 或 AGENTS.md 的建议修改： • 模型路由：根据哪些模型有效、哪些模型失败，确定哪些模型应该处理哪些任务类型。 • 工具：保留（使用频繁，很少失败）、修复（经常失败）、删除（几乎不使用）。 • 技能：为我重复 3 次以上的每个任务添加一个技能，并包含触发语句和步骤。 • 防护措施：我最常见的 3 种故障模式以及防止每种模式发生的检查。 • 预算：我最大的 5 个令牌消耗以及减少每个消耗的更改。 请提供每个建议的来源会话。 步骤 4：先进行审核 请以差异的形式向我展示我的 5 个主要数据和建议的配置更改。在我批准之前，请勿进行任何更改。 提示结束 每周运行一次。 仅更改数据证明有效的部分。 这就是为什么你的人工智能每周都在进步，而其他人还在等待下一个模型出现。