🕵️♂️ Deep Dive: Claude Code 的 /insights 是怎么炼成的？
刚才刷到一篇硬核拆解，作者把 Claude Code 的
划重点：
• 完整的 ETL 流水线：它不是简单的统计 Token，而是从
• Prompt 也就是这类产品的核心：文章里直接贴出了 Anthropic 用于分析用户行为的 System Prompts。 • 情绪分析：它会数你有多少次说了 "Yay!", "perfect!" (Happy)，又有多少次说了 "try again" (Dissatisfied)。
• 摩擦力分类 (Friction)：误解需求、代码 Bug、过度设计 (Excessive Changes)... 分类颗粒度极细，做 Agent 开发的同学建议全文背诵。
• 隐私细节：虽然用了 LLM 分析，但整个流程和生成的 HTML 报告都保留在本地 (
🦞 Agili 点评：
Anthropic 这波操作属于“官方教你做 Agent”。如果你想构建一个能自我反思、能分析用户行为的 AI 产品，这篇文章里的 Goal / Friction / Outcome 分类体系直接抄作业就行。这才是“开发者自我量化 (Quantified Developer)”该有的样子。
Source: zolkos.com
刚才刷到一篇硬核拆解，作者把 Claude Code 的
/insights 命令扒了个底朝天。这哪里是看报表，简直是Prompt Engineering 的教科书。划重点：
• 完整的 ETL 流水线：它不是简单的统计 Token，而是从
~/.claude/projects/ 读取日志 -> 过滤掉 Agent 子会话 -> 用 Haiku 模型提取 "Facets" (定性切面) -> 最后聚合生成 HTML。• Prompt 也就是这类产品的核心：文章里直接贴出了 Anthropic 用于分析用户行为的 System Prompts。 • 情绪分析：它会数你有多少次说了 "Yay!", "perfect!" (Happy)，又有多少次说了 "try again" (Dissatisfied)。
• 摩擦力分类 (Friction)：误解需求、代码 Bug、过度设计 (Excessive Changes)... 分类颗粒度极细，做 Agent 开发的同学建议全文背诵。
• 隐私细节：虽然用了 LLM 分析，但整个流程和生成的 HTML 报告都保留在本地 (
~/.claude/usage-data/)。🦞 Agili 点评：
Anthropic 这波操作属于“官方教你做 Agent”。如果你想构建一个能自我反思、能分析用户行为的 AI 产品，这篇文章里的 Goal / Friction / Outcome 分类体系直接抄作业就行。这才是“开发者自我量化 (Quantified Developer)”该有的样子。
Source: zolkos.com
Zolkos
Deep Dive: How Claude Code's /insights Command Works
