Jamie-BitFlight/transcript-analysis

Transkriptanalyse

Analysieren Sie Claude Code JSONL-Sitzungstranskripte, um Anti-Patterns, Ineffizienzen und Verbesserungsmöglichkeiten im Workflow zu erkennen.

Datenverzeichnis

Transkripte finden Sie unter ~/.claude/projects/ in projektspezifischen Verzeichnissen, die nach dem Projektpfad benannt sind (Schrägstriche durch Bindestriche ersetzt).

DuckDBs Rolle: Laden Sie die vollständige Feld-/Pfadreferenz aus kaizen-analysis über get_transcript_jsonl_schema oder MCP resources/read kaizen://session-log/schema, verwenden Sie dann kaizen-duckdb execute_query, um beliebige DuckDB-SQL-Abfragen über diese Dateien auszuführen (siehe DuckDB-Abfragemuster für Beispiele und den Arbeitsablauf für beliebige Abfragen). Der Sitzungsverlauf bleibt als JSONL auf der Festplatte. Pfadregeln für das DuckDB MCP (absolute Pfade, kein ~ in SQL).

~/.claude/projects/{project-key}/
├── {uuid}.jsonl              # Hauptsitzungstranskripte
├── agent-{id}.jsonl          # Verwaiste Agententranskripte
└── {uuid}/
    ├── subagents/
    │   └── agent-{id}.jsonl  # Subagententranskripte
    └── tool-results/
        └── {tool-use-id}.txt # Asynchrone Task-Ausgaben

JSONL-Datensatztypen

Jede JSONL-Zeile ist ein JSON-Objekt, das durch das type-Feld unterschieden wird.

Primäre Datensatztypen für die Analyse:

• assistant — LLM-Antwortrunden mit Tool-Aufrufen und Text
• user — Menscheingaben und Tool-Ergebnisse
• system — Metadaten-Ereignisse (stop_hook_summary, turn_duration, compact_boundary, api_error, local_command)
• progress — Hook-Ausführung und Subagenten-Streaming
• file-history-snapshot — Dateibearbeitungsverfolgung
• summary — Sitzungstitel/-zusammenfassung

Vollständige Schemadetails inklusive JSON-Strukturen für jeden Datensatztyp finden Sie in der JSONL-Schemareferenz.

Signalsammlung

Jede der folgenden Analysedimensionen hat ihre eigene Extraktionsmethodik.

1. Erkennung von Tool-Missbrauch

Extrahieren aus assistant.message.content[], wo name == "Bash". Parsen Sie input.command auf Dateioperationsmuster, die integrierte Tools verwenden sollten. SQL-Extraktionsabfragen finden Sie unter DuckDB-Abfragemuster.

Parsen Sie tool_use-Blöcke auf Bash-Befehle, die Folgendem entsprechen:

• grep → sollte Grep-Tool verwenden
• find -name → sollte Glob-Tool verwenden
• cat, head, tail → sollte Read-Tool verwenden
• ls → sollte Glob oder Bash(ls) mit Beschreibung verwenden
• sed, awk → sollte Edit-Tool verwenden

Schließen Sie legitime Verwendungen in Pipelines aus (git ... | grep, uv run ... | head).

2. Wiederholte Fehler

Extrahieren aus Tool-Ergebnissen, wo is_error: true. Klassifizieren Sie Fehlertypen:

• "File has not been read yet" — Edit-vor-Read-Anti-Pattern
• "String to replace not found" — veraltetes Edit-Ziel
• "User denied tool use" — Berechtigungs-/Vertrauensproblem
• Pre-Commit-Hook-Fehlschläge (Exit-Code 1)
• Fehlende Binärdatei / Befehl nicht gefunden

3. Fehlende Tooling-Möglichkeiten

Identifizieren Sie wiederholte mehrschrittige manuelle Arbeitsabläufe über Sitzungen hinweg mittels Tool-Sequenz-Trigramm-Analyse. Hochfrequente Trigramme wie Bash → Bash → Bash oder Read → Read → Read deuten auf fehlende Skripte oder Skills hin.

4. Subagenten-Delegationsmuster

Extrahieren Sie aus Task tool_use-Blöcken. Verfolgen Sie subagent_type, description, model. Kennzeichnen Sie, wenn general-purpose verwendet wird, obwohl ein spezialisierter Agent existiert.

5. Analyse des kürzesten Pfades

Vergleichen Sie erfolgreiche mit gescheiterten Versuchen des gleichen Ziels. Messen Sie die Anzahl der Tool-Aufrufe zwischen Zielangabe (Benutzerrunde) und erfolgreichem Ergebnis (letzte Assistentenrunde). Hohe Varianz über Sitzungen hinweg bei ähnlichen Zielen deutet auf verschwendete Schritte hin.

6. Erkennung von Scheinproblemen

Verfolgen Sie Untersuchungszweige, die aufgegeben werden. Signal: eine Sequenz von Read/Grep/Bash-Aufrufen zu einem Thema, gefolgt von compact_boundary oder Richtungswechsel ohne Lösung. Häufigkeit derselben aufgegebenen Pfade sitzungsübergreifend offenbart systematische Scheinprobleme.

7. Unterbrechungen durch Systemprozesse

Extrahieren Sie system.compact_boundary, system.api_error und hook-bezogene progress-Ereignisse. Ordnen Sie deren Position relativ zur aktiven Arbeit zu, um zu identifizieren, wann Systemprozesse korrekte Ausführungspfade unterbrochen haben.

8. Fehlende Hooks

Identifizieren Sie manuelle Korrekturen, die sitzungsübergreifend wiederholt werden. Wenn dieselbe Korrektur 3+ Mal auftritt, ist sie ein Kandidat für automatische Verhinderung mittels PreToolUse-Hook (ablehnen + umleiten) oder SubagentStart-Hook (Kontext einfügen).

9. DuckDB SQL-Abfragen

Verwenden Sie kaizen-analysis get_transcript_jsonl_schema oder die Ressource kaizen://session-log/schema für die vollständige Pfadreferenz, dann kaizen-duckdb execute_query für beliebiges SQL über JSONL (read_ndjson_auto mit absoluten Pfaden). Sie sind nicht auf die Kochbuchabfragen beschränkt.

Den Arbeitsablauf für beliebige Abfragen und Beispiele finden Sie unter DuckDB-Abfragemuster.

Methodik des Process Mining

Verwenden Sie die Tools des kaizen-analysis MCP-Servers für Analysen, die SQL nicht ausdrücken kann:

• extract_tool_sequences — Konvertiert JSONL → geordnete Tool-Aufruf-Arrays pro Sitzung
• discover_process_model — Leichtes Übergangsmodell über Tool-Aufruf-Sequenzen
• check_conformance — Vergleicht Sitzungen mit einem Referenzprozessmodell
• find_frequent_patterns — PrefixSpan-Sequenzmuster-Mining
• cluster_sessions — Trace-Clustering nach Verhaltensähnlichkeit

Analyse-Workflow

flowchart TD
    Start([Analyseaufgabe erhalten]) --> Scope{Umfang definiert?}
    Scope -->|--project-Flag| Project[Auf Projekttranskripte filtern]
    Scope -->|Kein Flag| Default[Aktuelles Projekt verwenden]
    Project --> Discover[SQL — Sitzungen zählen, Datumsbereich, Datensatztypen]
    Default --> Discover
    Discover --> Dimensions{Welche Dimensionen?}
    Dimensions -->|Alle| RunAll[Alle Dimensionen ausführen]
    Dimensions -->|Angegeben| RunSelected[Ausgewählte Dimensionen ausführen]
    RunAll --> Aggregate[Ergebnisse zusammenführen]
    RunSelected --> Aggregate
    Aggregate --> Write[In .planning/kaizen/analysis-DATUM.md schreiben]

Ausgabeformat

Schreiben Sie die Analyseergebnisse nach .planning/kaizen/ als strukturiertes Markdown mit:

• Sitzungs-ID und Datum für jedes Ergebnis
• Schweregrad (kritisch / Warnung / Info)
• Beweis — genaue JSON-Feldpfade und -Werte
• Häufigkeit — wie viele Sitzungen das Muster aufweisen
• Empfehlungstyp — Hook, Skill-Patch, Agent-Prompt-Fix, CLAUDE.md-Update