同样是"AI 编程对话"，为什么格式差这么多？

说实话，每个 AI 工具dou有自己的数据存储方式，这就导致了格式差异。

Codex 的事件流需要重建对话线程。事件按时间顺序排列，但对话可Neng是非线性的——用户可Neng在工具调用中途插入新指令。适配器按事件类型分组，将 event_msg 和 response_item 配对为完整的对话轮次。

咱就是说不管底层是 JSONL 还是 SQLite，是事件流还是快照，parse 的输出永远是统一的结构。

interface ParsedConversation { id: string; slug: string | null; source: string; projectDir: string; projectName: string; cwd: string | null; gitBranch: string | null; messages: ParsedMessage; firstMessageAt: string; lastMessageAt: string;}interface ParsedMessage { id: string; parentUuid: string | null; type: 'user' | 'assistant' | 'system'; role: string | null; content: string; hasToolUse: boolean; hasCode: boolean; thinking: string | null; timestamp: string;}

下游的摘要生成、Embedding 计算、搜索索引dou不需要知道数据来自哪个工具，你懂的。

GitHub Copilot Chat 在 VS Code 中运行，但它的对话数据存储在 workspaceStorage 的 JSONL 文件中：

格式不统一对知识管理工具有三个直接影响：

interface SourceAdapter { readonly name: string; // 'claude-code' readonly displayName: string; // 'Claude Code' // 检测当前机器上是否有该数据源 detect: Promise<SourceInfo | null>; // 扫描所有对话文件，返回元数据 scan: Promise<ConversationMeta>; // 解析单个对话，返回统一格式 parse: Promise<ParsedConversation>;}

三个方法覆盖了完整的导入流程：

适配器模式让新增数据源变得简单。要支持一个新的 AI 编程工具，只需要：

哈哈，这个问题常见，其实主要是因为内容质量、geng新频率等原因。

{"timestamp":"--15T10::00Z","type":"session_meta","payload":{"id":"session-xyz","cwd":"/home/user/project"}}{"timestamp":"--15T10::01Z","type":"event_msg","payload":{"role":"user","content":"帮我修复这个 bug"}}{"timestamp":"--15T10::06Z","type":"response_item","payload":{"role":"assistant","content":}}

这种设计适合 Codex 的代理模式——一个任务可Neng涉及多轮工具调用、代码执行、文件修改，事件流Neng完整记录这些非线性交互。但对于 ChatCrystal 来说需要从事件流中重建对话线程，这比直接读取对话列表复杂得多。

Cursor 把对话元数据和消息内容分开存储在不同的键下。Trae 类似，但用 memento/icube-ai-agent-storage 一个键存所有会话数据，内部是嵌套的 JSON 结构。

没有"Zui好的"格式，只有"Zui适合该工具场景的"格式。Claude Code 不会为了方便第三方解析而改用 SQLite；Cursor 不会为了流式写入而放弃 VS Code 的状态管理架构。

ChatCrystal 用适配器模式解决了格式统一问题。核心是一个SourceAdapter接口：

state.vscdb 结构：┌──────────────────────────────────────────────┐│ TableItemTable │├──────────────┬───────────────────────────────┤│ key │ value │├──────────────┼───────────────────────────────┤│ composer. │ {"allComposers":} ││ bubbleId:abc123:def456 │ {"role":"user","content":...} ││ bubbleId:abc123:ghi789 │ {"role":"assistant",...} │└──────────────┴───────────────────────────────┘

ParsedConversation 是统一的输出格式：

另一个挑战是内容块类型 。Claude Code 的 message.content 可Neng是纯文本字符串，也可Neng是 ContentBlock 数组。适配器需要递归处理这些块，提取有意义的文本内容。

不需要修改摘要生成、Embedding 计算、搜索索引等任何下游代码。这就是适配器模式的价值——把 " 数据格式差异 "隔离在适配器内部，让核心流程保持统一。

这 &nbsp 个工具不是从零开始设计的，它们各自有不同的技术起点： Cursor 和 Trae 基于 VS Code，自然沿用了 SQLite 数据库的键值存储。 Claude Code 作为 CLI，自然选择 JSONL。 Codex 作为编码代理，选择事件流。 每个工具把数据存在不同位置： Claude Code : ~/.claude/projects//.jsonlCodex CLI : ~/.codex/sessions//.jsonlCursor : %APPDATA%/Cursor/User/workspaceStorage//state.vscdbTrae : %APPDATA%/Trae/User/workspaceStorage//state.vscdbCopilot : %APPDATA%/Code/User/workspaceStorage//chatSessions/.jsonl %APPDATA%/Code/User/globalStorage/emptyWindowChatSessions/*.jsonl 路径模式不同，文件 名不同，甚至同一个工具在不同操作系统上的路径dou不同。

ChatCrystal 不Neng要求这些工具统一格式——这不是 ChatCrystal Neng影响的事情。 但它Ke以通过适配器模式，在自己的边界内实现统一。 SourceAdapter 接口就像一个翻译层：对外它理解 &nbsp 种；对内，它只说一种语言。 Ru果你正在开发需要处理多个数据源的工具，适配器模式是值得优先考虑的架构选择。 把差异隔离在边界处，让核心逻辑保持简洁。 JSONL 的优势是 流式友好 ：进程崩溃不会损坏Yi有数据，Zui后几行可Neng不完整但前面的dou安全。 缺点是查询不方便——要找到特定对话，得扫描文件。 Zui大的挑战是 SQLite键值存储的解析 。 对话数据不是一个结构化的表，而是分散在多个键下的 JSON 字符串。 适配器需要： 1. 加载会话索引 2. 解析嵌套 JSON 3. 过滤噪声消息

个工具、&nbsp 种格式，这不是任何人 " 设计失败 "的结果。 每个工具根据自己的技术起点和设计优先级，选择了Zui适合的数据格式。 JSONL适合流式追加，SQLite适合键值查询，事件流适合非线性记录。 ChatCrystal 支持从 &nbsp 个 AI 编程工具导入对话：Claude Code、Codex CLI、Cursor、Trae、GitHub Copilot 。 如有疑问欢迎交流，hen乐意解答。