三个数据源，三种格式

ChatCrystal 支持多种 AI 编程工具的对话导入。Claude Code 和 Cursor 已在前两篇中介绍。这篇覆盖剩下的三个：

使用者痛点：不同工具的文件结构和格式差异大，手动定位与转换非常繁琐。

ChatCrystal 的插件架构已经屏蔽了这些差异——导入命令保持一致：

crystal import

插件会自动检测已安装的工具并导入可用数据。

Codex CLI

数据在哪？

~/.codex/sessions/
├── / │
│ └── rollout---10T14---abc123.jsonl
├── / │
│ └── rollout---10T15---def456.jsonl
└── session_index.jsonl ← 会话名称索引

每个 rollout-*.jsonl 文件对应一次对话，文件名中嵌入了时间戳和会话 ID。

痛点：文件分散且命名不直观，容易遗漏需要导入的会话。

JSONL 事件流格式

Codex CLI 的 JSONL 不是单行消息，而是事件流：

{ "type": "session_meta","payload": { "id": "abc123","cwd": "/home/user/project","git": { "branch": "main" } } }
{ "type": "event_msg","timestamp": "--10T14::01Z","payload": { "type": "user_message"。"message": "帮我调整这个查询" } }
{ "type": "event_msg","timestamp": "--10T14::05Z","payload": { "type": "agent_message","message": "分析了你的查询..." } }
{ "type": "response_item","payload": { "type": "message","role": "assistant","content": } }

ChatCrystal 必须从这些事件中重建完整对话。

处理的观点是。VS Code 上下文剥离

Codeless VS Code 插件会在使用者消息前面添加 IDE 环境信息：

- OS: linux
- Node: v18.12.0
## My request for Codex:帮我调整这个查询

Pain Point: 如果不剥离，这些环境噪声会进入摘要或搜索索引，导致检索不准确。

C​​hatCrystal 自动识别标记 # # My request for Codex: 只保留实际请求内容，从而保持对话干净。

session_index.jsonl 

C​odex CLI 会维护一个会话名称索引，用于给对话起
{
"id"的观点是，"abc123"。“thread_name”:“调整数据库查询”
}


C​hatCrystal 读取该文件，将 "thread_name" 作为 slug导入，使得在 UI 中更易辨认。其实，

Trae 



程序 
方法 



Windows 
%APPDATA%\Trae\User\workspaceStorage\ 

macOS 
~/Library/Application Support/Trae/User/workspaceStorage/ 

Linux 
~/.config/Trae/User/workspaceStorage/ 



C​ode 与 Cursor 类似。所有对话都保存在 SQLite 数据库  里但内部结构不同。

存储 Key 

T​rae 把所有对话压在同一个 key 下：

SELECT value FROM ItemTable WHERE = 'memento/icube-ai-agent-storage'



The returned value 是一个 JSON 对象：

{
“list”:
}
}
}
]
}
]。“currentSessionId”: “session-001”
}



⚠️ Pain Point: SQLite 数据库难以直接查看，且 JSON 嵌套层级深，手工抽取极易出错。

助手消息提取 

T​rae 的 Agent回复经常把实际文本放在 agentTaskContent 里而不是普通的 content 字段。再看提取顺序如下，


msg.content – 若非空直接使用。

agentTaskContent.proposal – 提案文本。

agentTaskContent.guideline.planItems.thought – 最终。
如果内容为空，则拼接上述字段形成完整回复。





思考过程提取 

T​rae 的推理信息分布在多个位置：


agentTaskContent.proposalReasoningContent – 顶层推理。

agentTaskContent.guideline.planItems.reasoningContent – 每一步的推理。C​hatCrystal 将全部合并到统一的 thinking 字段，以供后续检索与展示。




GitHub Copilot 

C​opilot 对话分布在两个位置：工作区对话与全局对话。分别位于 VS Code 的 storage 方法下：


 工作区对话 ：
~/.config/Code/User/workspaceStorage//chatSessions/
├── session-001.jsonl
├── session-001.json
└── …

 全局对话 ：
& nbsp;老实说，~/.config/Code/User/globalStorage/emptyWindowChatSessions/
├── session-002.jsonl
└── …




 .jsonl 格式 ：
& nbsp;行1: {"kind":"snapshot","v":{"sessionId":"..."。"requests":}} ← 只读取此行
说到行2，{"kind":"uiPatch","…"} ← 跳过
再看行，，{"kind":"uiPatch","…"} ← 跳过

 .json 格式 ：
& nbsp;{
"sessionId":"abc123","creationDate":"2024‑03‑01T12:00:00Z"。"customTitle":"React 项目搭建","requests":
}
C​hatCrystal 对 .jsonl 只读取第一行快照，对 .json 则直接解析整个对象。

每个 request 包含使用者输入和助手回复：
& nbsp;{
"requestId":"req-001","timestamp":"2024‑03‑01T12:01:00Z","message":{"text":"怎么用 React Query 做缓存"}。"response":
}
响应数组里每项的 kind 决定 ChatCrystal 如何映射：


...
Pain Point: 同一会话可能混杂 .json 与 .jsonl，两者处理方式不同，如果不区分容易导致部分消息丢失或重复。

Copilot 支持使用者给对话设置标题（字段 customTitle)). ChatCrystal 将其作为 slug 导入，以便在 UI 中快速定位对应聊天记录。

If a tool stores its data in a non‑default location,you can point ChatCrystal to it via environment variables:
& nbsp;# Codex CLI
CODEX_SESSIONS_DIR=/path/to/codex/sessions crystal import
# Trae
TRAE_DATA_DIR=/path/to/trae/User crystal import
# GitHub Copilot
COPILOT_DATA_DIR=/path/to/code/User crystal import
Alternatively。set paths in ChatCrystal’s Settings UI.

Aft er running import,verify each source’s status:
& nbsp;crystal status
Example output:
& nbsp;ChatCrystal Status
Server : running
Database : connected
Conversations:
Sources : claude-code,cursor,codex,copilot,trae
Notes :
Tags :
If a source shows an empty or error state。follow se steps:


/li › Ensure corresponding tool actually has historical conversations.

/li › Verify data directory path is correct.

/li › Re‑run a targeted import:
crystal import --source codex # or trae / copilot ...










Project repo：