AI Data Extractor：一键提取 AI 编程助手聊天历史，打造你的私有训练数据集
在 AI 编程助手已经深入日常开发工作的今天，你是否想过——那些与 Claude Code、Cursor、Aider 等工具积累的对话记录，其实是一份宝贵的私有知识库？
今天介绍的 ai-data-extractor（⭐ 827+）正是为了解决这个问题而生的开源工具。它可以从 10 种主流 AI 编程助手的本地存储中自动提取聊天记录，统一导出为标准 JSONL 格式，方便你用于微调、数据分析或归档备份。
核心功能
1. 多工具支持
目前支持提取 10 种 AI 编程助手的聊天历史：
| 工具 | 存储格式 | 路径示例 |
|---|---|---|
| Claude Code | JSONL | ~/.claude/projects/**/*.jsonl |
| Codex CLI | JSONL | ~/.codex/sessions/**/rollout-*.jsonl |
| Cursor | SQLite | ~/.../Cursor/User/{global,workspace}Storage |
| Windsurf | SQLite | ~/.../Windsurf/User/{global,workspace}Storage |
| Trae | SQLite + JSONL | ~/.../Trae |
| Continue | JSON | ~/.continue/sessions/*.json |
| Gemini CLI | JSON | ~/.gemini/tmp/<hash>/chats/*.json |
| OpenCode | JSON | ~/.local/share/opencode/storage/ |
| Cline / Roo Code | JSON | 编辑器全局存储目录 |
| Aider | Markdown | <项目>/.aider.chat.history.md |
2. 跨平台自动检测
工具会自动搜索 macOS、Linux 和 Windows 三种操作系统下的常见路径（~/Library/Application Support、~/.config、~/.local/share、%APPDATA% 等），无需手动指定路径。
3. 丰富的提取内容
每个对话记录不仅包含用户消息和助手回复，还自动提取： - 代码上下文：文件路径、选中代码片段 - 代码 Diff：建议的编辑变更 - 工具调用：执行的命令及其输出结果 - 元数据：时间戳、会话 ID、项目路径、模型名称
4. 灵活的使用方式
# 交互式菜单选择要提取的工具
python extract.py
# 一键提取所有支持的工具
python extract.py --all
# 指定特定工具
python extract.py --sources cursor,claude_code,aider
# 预览有哪些数据可提取（不实际提取）
python extract.py --list
# 提取并合并到一个文件
python extract.py --all --merge
5. 零依赖
纯 Python 标准库实现，仅需 Python 3.9+，无需安装任何第三方包。
适用人群
- AI 编程爱好者：想要备份和整理与 AI 助手的大量对话记录
- 个人知识管理者：将分散在多工具的 AI 对话整合到统一的数据集
- LLM 开发者：收集自己的高质量对话数据用于微调私有模型
- 数据分析师：研究 AI 编程助手的交互模式和代码生成质量
- 隐私关注者：在本地完成数据提取，无需上传到云端
与同类工具对比
| 特性 | AI Data Extractor | 手动备份 | 商业工具 |
|---|---|---|---|
| 支持工具数量 | 10 种 | 逐个手动导出 | 通常 1-2 种 |
| 输出格式 | 标准化 JSONL | 各工具原生格式 | 各异 |
| 跨平台 | ✅ macOS/Linux/Windows | ✅ | ❌ |
| 零依赖 | ✅ 纯标准库 | ✅ | ❌ |
| 自动发现路径 | ✅ | ❌ | 部分支持 |
| 成本 | 免费开源 | 免费 | 付费 |
与其他类似工具（如 ChatGPT Chat Export 等）相比，AI Data Extractor 的独特优势在于专门针对 AI 编程助手，并且支持的工具数量最多、覆盖平台最全。
如何使用
安装
# 克隆仓库
git clone https://github.com/kruzovic7/ai-data-extractor.git
cd ai-data-extractor
# 检查 Python 版本（需要 3.9+）
python --version
基本使用
# 方式一：交互式选择
python extract.py
# 系统会列出所有检测到的工具和数据，让你选择要提取哪些
# 方式二：一键提取全部
python extract.py --all
# 方式三：只提取特定工具
python extract.py --sources cursor,claude_code,aider --merge
查看提取结果
ls extracted_data/
# 输出示例：
# ├── claude_code_conversations_20260917_143022.jsonl
# ├── cursor_conversations_20260917_143022.jsonl
# ├── aider_conversations_20260917_143022.jsonl
# ├── all_conversations.jsonl # 合并后的完整数据集
# └── ...
进阶用法
# 自定义输出目录
python extract.py --all --output-dir ~/my_ai_data
# 添加额外搜索路径（如 Aider 的项目目录）
python extract.py --sources aider --search-path ~/projects/my-project
# 只预览，不实际提取
python extract.py --list
独立运行单个提取器
# 单独运行某个工具的提取脚本
python -m extractors.cursor
python extractors/aider.py
注意事项
- 数据权限：确保你只提取自己的对话数据，尊重隐私和版权
- 应用更新：AI 编程助手可能会更改本地存储格式，如遇到解析问题请检查最新 README 或提交 Issue
- Aider 特殊处理：由于 Aider 没有固定存储目录，需要通过
--search-path指定项目路径 - 大数据量：如果对话历史非常庞大，
--merge可能会产生较大的 JSONL 文件，建议分批处理
总结
AI Data Extractor 是一款设计精良、实用价值高的开源工具。它解决了 AI 编程时代的一个痛点——我们每天与 AI 助手的大量对话数据散落在各个应用的本地存储中，缺乏统一的备份和管理方案。
推荐指数：⭐⭐⭐⭐⭐（5/5）
优点： - 支持 10 种主流 AI 编程助手，覆盖面最广 - 纯标准库实现，零依赖，开箱即用 - 跨平台自动检测，用户体验优秀 - MIT 开源协议，可自由使用和修改 - 活跃开发中，持续更新支持新工具
缺点： - 目前仅支持英文界面 - 对于某些工具的存储格式理解可能因版本更新而需要调整
如果你是 AI 编程助手的重度用户，或者正在考虑用自己的对话数据微调模型，这个工具绝对是值得收藏的利器。它不仅帮你备份了珍贵的对话记忆，更为后续的数据挖掘和模型优化打开了大门。
项目地址：https://github.com/kruzovic7/ai-data-extractor 文档：https://github.com/kruzovic7/ai-data-extractor#readme
喜欢这篇评测？浏览 198007.xyz 工具集 发现更多 AI 编程辅助工具。