$fractional-cto$

Analyseur de Conversations Claude Code

Connaissances spécialisées pour l'analyse des transcriptions JSONL de Claude Code, l'extraction d'événements narratifs à fort signal et la liaison des logs de sous-agents.

déclencheurs:parse claude conversationjsonl transcriptsextract conversation signalsubagent linkingclaude code logs

GitHub SKILL.md

Ce qu'il fait

Cette compétence fournit les spécifications techniques et la logique requises pour transformer des fichiers de conversation JSONL bruts de Claude Code en données narratives à fort signal. Elle différencie le 'signal' (requêtes utilisateur, décisions de l'assistant) du 'bruit' (tenue de livres interne, hooks de progression).

Quand l'utiliser

Utilisez cette compétence lors de la construction de pipelines analysant les interactions IA-humain, pour créer des articles de blog à partir de l'historique des conversations ou pour effectuer une analyse forensique des logs de session Claude Code.

Ce qui est inclus

Mappage de Schéma : Détail précis des types d'entrées (utilisateur, assistant, système) et des types de blocs de contenu.
Logique de Filtrage : Règles strictes pour supprimer le bruit et retirer les rappels système.
Liaison Avancée : Étapes procédurales pour lier les blocs tool_use de la conversation principale à des fichiers .jsonl de sous-agents spécifiques via un regex agentId.
Scan PII : Directives pour détecter les secrets et les modèles sensibles dans les transcriptions.

Agents compatibles

Conçu pour les agents opérant dans l'écosystème Claude Code ou des pipelines d'analyse personnalisés basés sur Python.

Étiquettes

#claude-code #data-parsing #jsonl #llm-ops #narrative-extraction

Pas encore audité

Cette compétence n'a pas encore été examinée par notre pipeline d'audit automatisé.

Informations

Dépôt: fractional-cto
Étoiles: 16

Compétences similaires

Cost Tracker

Monitor agent session costs, set budget alerts, and get actionable token-spend optimizations to keep multi-session workflows within budget.

Audit Agents/Skills/Commands

Run a quantitative quality audit on agents, skills, and commands to check production readiness and get prioritized recommendations.

NotebookLM Research Agent

End-to-end research-to-content pipeline: ingest sources into Google NotebookLM, run deep cited research, generate downloadable artifacts, and produce polished c

Prompt Engineering Patterns

A practical collection of prompt engineering techniques and patterns for building reliable, controllable LLM prompts: CoT, few-shot, structured outputs, templat

draw.io Diagram Skill

Create, edit, lint, and export draw.io diagrams; includes export helpers, SVG linting, and repository QA for clean architecture and icon-based diagrams.

API Development

Guidelines and patterns for building robust REST APIs: correct HTTP status codes, RFC 7807 error responses, validation, sanitization, rate limiting, and central

Harness Health Audit

Assess and score the overall health of a Claude Code harness across architecture, skills coverage, hooks, rules, MCP servers, eval pipelines, and team setup.

Multi‑Agent Ideation

Orchestrates multi-agent ideation sessions (Free Thinker, Grounder, Writer, optional Explorer) to explore concepts, capture source materials, and produce struct

Retour aux compétences