Skill

session-archaeologist

This skill should be used when the user asks to "会話ログを分析して", "開発ヒストリーをまとめて", "過去のセッションを調べて", "試行錯誤の履歴を要約して", "開発の経緯を振り返って", "Zenn記事用に開発ログをまとめて", "会話ログからハイライトを抽出して", or needs to analyze Claude Code conversation history for a specific topic.

npx claudepluginhub sniper-fly/souma-recette --plugin session-archaeologist

Tool Access

This skill uses the workspace's default tool permissions.

Preview

Claude Codeの過去の会話ログ（JSONLセッションファイル）を発掘・分析し、特定トピックの開発における試行錯誤プロセス、ハイライト、インサイトを構造化して要約するスキル。

Supporting Assets

references/jsonl-format.mdreferences/output-template.mdscripts/extract_sessions.py

SKILL.md

Similar Skills

session-debrief

Analyzes Claude Code session history in three modes: Handoff Document for exhaustive context extraction, Error Forensics for ignored warnings/errors inventory, Chronological Summary for dense technical timelines.

6 tools

devops-tools

history-insight

652

Analyzes Claude Code session history JSONL files to extract insights, summaries, and patterns from conversations. Processes current project or all sessions with bash, jq, and subagents.

2 files

session-wrap

remind

Searches Claude Code conversation history in Scribe DB (SQLite FTS5) or JSONL files to recall past discussions, decisions, code snippets, and context from prior sessions.

1 file

bopen-tools

Stats

Parent Repo Stars0

Parent Repo Forks1

Last CommitMar 9, 2026

Actions

View Source View Plugin View on GitHub View README

Help us improve

Share bugs, ideas, or general feedback.

セッション考古学 (Session Archaeologist)

入力

トピック / キーワード（必須）: 検索対象のトピックやキーワード。カンマ区切りで複数指定可能
プロジェクトパス（オプション）: 対象プロジェクトのパス。省略時はカレントプロジェクトのパスを使用

ワークフロー

ステップ1: 関連セッションの検索

scripts/extract_sessions.py を使用して、指定キーワードにマッチするセッションを検索する。

python {SKILL_DIR}/scripts/extract_sessions.py \
  --project-path "{PROJECT_PATH}" \
  --keywords "{KEYWORDS}"

出力はJSON形式で、マッチしたセッションの一覧（session_id, ファイルサイズ, 更新日時, 最初のユーザーメッセージ）を返す。

プロジェクトパスの決定:

ユーザーが指定した場合はそのパスを使用する
未指定の場合は、カレントワーキングディレクトリを使用する

ステップ2: セッション内容の抽出

マッチしたセッションが少数（10件以下）の場合は --extract フラグで一括抽出する:

python {SKILL_DIR}/scripts/extract_sessions.py \
  --project-path "{PROJECT_PATH}" \
  --keywords "{KEYWORDS}" \
  --extract

マッチ数が多い場合は、ステップ1の結果から重要なセッション（ファイルサイズが大きいもの、first_promptがトピックに直接関連するもの）を選別し、個別に抽出する:

python {SKILL_DIR}/scripts/extract_sessions.py \
  --project-path "{PROJECT_PATH}" \
  --keywords "" \
  --session-id "{SESSION_UUID}"

大量セッションの処理: セッション数が多い場合は、Task ツール（subagent_type: general-purpose）を使って並列に分析する。各エージェントに5-10セッション分のメッセージ抽出結果を渡し、フェーズごとの要約を依頼する。

ステップ3: 時系列の整理

抽出したメッセージを時系列順に整理し、以下を特定する:

ユーザーの指示パターン - 何を依頼し、どう方向修正したか
エラーと解決 - 発生した問題とその解決策
アーキテクチャの転換点 - 技術やアプローチが大きく変わった場面
反復的改善のループ - テスト→発見→修正のサイクル

ステップ4: 構造化レポートの生成

references/output-template.md のテンプレートに従い、以下を含む分析レポートを生成する:

タイムライン表
フェーズ分析（技術スタック変更やアーキテクチャ転換でフェーズを分割）
試行錯誤のハイライト（エラー回復、設計壁打ち、ピボット等）
教訓とインサイトの一覧
関連するgitコミット履歴（git log --oneline から該当分を抽出）

ステップ5: 関連gitコミットの取得

トピックに関連するgitコミットを取得して、レポートに付記する:

git log --oneline --all | grep -i "{keyword}"

分析の観点

レポートを生成する際、以下の観点を重視する:

技術記事の素材として有用なエピソード を優先的に抽出する
単なるログの羅列ではなく、なぜその判断をしたかのストーリーを構成する
エラーや失敗は隠さず、そこから何を学んだかを明示する
ユーザーとAIの対話による設計改善の過程を特にハイライトする

出力形式

分析結果はMarkdown形式でユーザーに直接表示する（ファイル出力はユーザーが求めた場合のみ）。

参考リソース

リファレンスファイル

references/jsonl-format.md - Claude Codeセッションログの JSONL フォーマット仕様
references/output-template.md - 分析レポートの出力テンプレートとハイライト抽出基準