用Trae编辑器写一个Trae的AI对话记录导出脚本

优质文章学习记录

— 20 min read
用Trae编辑器写一个Trae的AI对话记录导出脚本

前言

最近在尝试使用字节出的 Trae AI编辑器，并且想根据对话记录写一些文章分享，但发现一条完整的对话记录这玩意跟 Cursor 一样，是没有办法导出的。靠截图？放在文章里用户体验极差！不成

契机

前两天找到一位佬写的 Cursor 记录导出插件 , 插件方面不太可能是通用的，但是思路嘛，还是可以借鉴的。

在插件的文档中，我发现了 Cursor 工作区的存储位置，这里面存储了所有的对话记录和其他信息。

Cursor工作区存储位置

由于我使用的是Macos，所以后面的演示都以 Macos 为例。当然，Windows 其实也可以按照同样的路径去找找看。

~/Library/Application Support/Cursor/User/workspaceStorage

我们将工作区位置路径中的 Cursor 替换成 Trae 试试看，能不能进去

cd Library/Application\ Support/Trae/User/workspaceStorage

没错，是可以进去的

通过 open . 打开文件夹

workspaceStorage中的

发现是一堆文件夹，不慌，点击最新修改的一个文件夹进去看看

文件夹详情

分析

1.打开 workspace.json 文件看看，内容如下

{"folder":"file:///Users/peanut/Desktop/work/ai_all/trae_test"}

只存了一个项目的路径，Pass

2.打开kiss开头的文件夹，发现里头是一堆图片，看了下是正在编辑的这篇文档中图片的缓存，Pass

3.那只有 state.vscdb 这个文件了，没见过这个文件格式，但猜测是 vscode 的数据库文件。

AI 介入

来，用 Trae AI 介入，问问看

注: 以下 AI 问答记录 就是基于 Trae AI 问答给出的 脚本 运行后导出的对话内容(听起来很绕是吧-_-)

和AI的详细对话内容 - 展开查看

用户 (2025/2/18 16:39:52)

你知道.vscdb格式文件吗？

助手 (2025/2/18 16:39:52)

是的，我了解 .vscdb 文件。这是 Visual Studio Code 使用的数据库文件格式，通常用于存储 VS Code 的各种状态和配置信息。具体来说：

  1. 文件格式：
  • 它是一个 SQLite 数据库文件
  • 使用二进制格式存储
  • 通常位于 VS Code 的用户数据目录中
  1. 主要用途：
  • 存储 VS Code 的状态信息
  • 保存工作区历史记录
  • 存储一些扩展的数据
  • 缓存某些配置信息
  1. 查看方式：
  • 可以使用任何支持 SQLite 的数据库查看工具打开
  • 常用工具包括：
    • SQLite Browser
    • DBeaver
    • VS Code 的 SQLite 扩展
  1. 注意事项：
  • 这些文件通常不需要手动修改
  • VS Code 运行时会自动管理这些文件
  • 如果文件损坏可能会影响 VS Code 的某些功能

如果你需要查看这类文件的内容，我建议使用 SQLite 浏览器工具，这样可以安全地查看而不会意外损坏文件。

用户 (2025/2/18 16:40:42)

如何解析.vscdb这个文件格式的内容为文本呢？

助手 (2025/2/18 16:40:42)

我可以帮你写一个 Python 脚本来解析 .vscdb 文件。这个脚本使用 SQLite3 模块来读取和显示文件内容。

import sqlite3 import json def parse_vscdb(file_path): try: # 连接到 SQLite 数据库 conn = sqlite3.connect(file_path) cursor = conn.cursor() # 获取所有表名 cursor.execute("SELECT name FROM sqlite_master WHERE type='table';") tables = cursor.fetchall() result = {} # 遍历每个表并获取内容 for table in tables: table_name = table[0] cursor.execute(f"SELECT * FROM {table_name}") columns = [description[0] for description in cursor.description] rows = cursor.fetchall() # 将结果转换为字典格式 table_data = [] for row in rows: row_dict = {} for i, column in enumerate(columns): # 尝试解析 JSON 字符串 if isinstance(row[i], str): try: row_dict[column] = json.loads(row[i]) except json.JSONDecodeError: row_dict[column] = row[i] else: row_dict[column] = row[i] table_data.append(row_dict) result[table_name] = table_data conn.close() return result except sqlite3.Error as e: print(f"SQLite 错误: {e}") return None except Exception as e: print(f"发生错误: {e}") return None if __name__ == "__main__": # 使用示例 vscdb_path = "你的.vscdb文件路径" # 替换为实际的文件路径 data = parse_vscdb(vscdb_path) if data: # 格式化输出结果 for table_name, table_data in data.items(): print(f"\n表名: {table_name}") print("-" * 50) for row in table_data: print(json.dumps(row, indent=2, ensure_ascii=False)) print("-" * 50)

使用方法：

  1. 将上面的代码保存为 Python 文件
  2. 修改 vscdb_path 为你要解析的 .vscdb 文件的实际路径
  3. 运行脚本

这个脚本会：

  1. 连接到 .vscdb 文件
  2. 获取所有表的内容
  3. 尝试解析可能的 JSON 格式内容
  4. 以易读的格式输出所有数据

如果你想要在命令行中直接运行，可以这样使用：

python parse_vscdb.py

注意事项：

  1. 确保已安装 Python
  2. 运行脚本时确保 .vscdb 文件没有被其他程序占用
  3. 某些内容可能是二进制数据，会以原始格式显示
  4. 建议在解析大文件时先备份原文件

如果你需要针对特定表或内容进行解析，可以根据需要修改代码，添加过滤条件或特定的解析逻辑。

用户 (2025/2/18 16:41:08)

用nodejs可以解析吗？

助手 (2025/2/18 16:41:08)

是的，我们可以使用 Node.js 来解析 .vscdb 文件。下面是一个使用 better-sqlite3 模块的实现：

首先需要安装依赖：

npminstall better-sqlite3

然后这是解析脚本：

const Database = require('better-sqlite3'); function parseVSCDB(filePath) { try { // 连接数据库 const db = new Database(filePath, { readonly: true }); // 获取所有表名 const tables = db.prepare(` SELECT name FROM sqlite_master WHERE type='table' `).all(); const result = {}; // 遍历每个表并获取内容 tables.forEach(table => { const tableName = table.name; const rows = db.prepare(`SELECT * FROM ${tableName}`).all(); // 尝试解析每行中可能的 JSON 字符串 const parsedRows = rows.map(row => { const parsedRow = {}; Object.entries(row).forEach(([key, value]) => { if (typeof value === 'string') { try { parsedRow[key] = JSON.parse(value); } catch { parsedRow[key] = value; } } else { parsedRow[key] = value; } }); return parsedRow; }); result[tableName] = parsedRows; }); // 关闭数据库连接 db.close(); return result; } catch (error) { console.error('解析错误:', error.message); return null; } } // 使用示例 const vscdbPath = '你的.vscdb文件路径'; // 替换为实际的文件路径 const data = parseVSCDB(vscdbPath); if (data) { // 格式化输出结果 Object.entries(data).forEach(([tableName, tableData]) => { console.log(`\n表名: ${tableName}`); console.log('-'.repeat(50)); tableData.forEach(row => { console.log(JSON.stringify(row, null, 2)); }); console.log('-'.repeat(50)); }); }

使用方法：

  1. 保存上述代码为 .js 文件
  2. 修改 vscdbPath 为你要解析的 .vscdb 文件的实际路径
  3. 运行脚本：
node parse_vscdb.js

这个脚本的功能：

  1. 使用 better-sqlite3 连接数据库文件
  2. 获取所有表的内容
  3. 尝试解析可能的 JSON 格式内容
  4. 以易读的格式输出数据

优点：

  1. 使用 better-sqlite3 模块，性能较好
  2. 以只读模式打开文件，更安全
  3. 支持异步操作
  4. 自动处理 JSON 格式的内容

如果你需要针对特定表或内容进行解析，可以根据需要修改代码，添加过滤条件或特定的解析逻辑。

用户 (2025/2/18 16:52:12)

vscdb.js 将解析的内容写入一个json文件

助手 (2025/2/18 16:52:13)

我来帮你修改代码，添加将解析结果写入 JSON 文件的功能：

// ... existing code ... // 使用示例 const vscdbPath = './state.vscdb'; const data = parseVSCDB(vscdbPath); if (data) { // 格式化输出结果到控制台 Object.entries(data).forEach(([tableName, tableData]) => { console.log(`\n表名: ${tableName}`); console.log('-'.repeat(50)); tableData.forEach(row => { console.log(JSON.stringify(row, null, 2)); }); console.log('-'.repeat(50)); }); // 将结果写入 JSON 文件 const fs = require('fs'); const outputPath = './vscdb_output.json'; try { fs.writeFileSync( outputPath, JSON.stringify(data, null, 2), 'utf8' ); console.log(`数据已成功写入到 ${outputPath}`); } catch (err) { console.error('写入文件时发生错误:', err); } }

主要修改说明：

  1. 添加了 fs 模块的引入
  2. 定义了输出文件路径 outputPath
  3. 使用 writeFileSync 将解析后的数据写入 JSON 文件
  4. 添加了错误处理和成功提示
  5. JSON 数据使用 2 空格缩进格式化，便于阅读

运行脚本后，会在同目录下生成 vscdb_output.json 文件，包含所有解析的数据。

用户 (2025/2/18 16:57:44)

输出的文件是个json，我只想保留key为inputHistory和key为ChatStore的数据

助手 (2025/2/18 16:57:44)

我来帮你修改代码，只保留指定的数据。修改 vscdb.js 文件，添加数据过滤功能：

const Database = require('better-sqlite3'); const fs = require('fs'); function parseVSCDB(filePath) { try { // 连接数据库 const db = new Database(filePath, { readonly: true }); // 获取所有表名 const tables = db.prepare(` SELECT name FROM sqlite_master WHERE type='table' `).all(); const result = {}; // 遍历每个表并获取内容 tables.forEach(table => { const tableName = table.name; const rows = db.prepare(`SELECT * FROM ${tableName}`).all(); // 尝试解析每行中可能的 JSON 字符串 const parsedRows = rows.map(row => { const parsedRow = {}; Object.entries(row).forEach(([key, value]) => { if (typeof value === 'string') { try { parsedRow[key] = JSON.parse(value); } catch { parsedRow[key] = value; } } else { parsedRow[key] = value; } }); return parsedRow; }); result[tableName] = parsedRows; }); // 关闭数据库连接 db.close(); // 过滤数据，只保留指定的 key const filteredData = {}; Object.entries(result).forEach(([tableName, tableData]) => { tableData.forEach(row => { if (row.key === 'inputHistory' || row.key === 'ChatStore') { if (!filteredData[tableName]) { filteredData[tableName] = []; } filteredData[tableName].push(row); } }); }); return filteredData; } catch (error) { console.error('解析错误:', error.message); return null; } } // 使用示例 const vscdbPath = './state.vscdb'; // 替换为实际的文件路径 const data = parseVSCDB(vscdbPath); if (data) { // 将过滤后的数据写入新的 JSON 文件 try { fs.writeFileSync( 'filtered_vscdb_output.json', JSON.stringify(data, null, 2), 'utf8' ); console.log('数据已成功写入到 filtered_vscdb_output.json'); } catch (err) { console.error('写入文件时出错:', err); } }

主要修改：

  1. 添加了数据过滤逻辑，只保留 key 为 ‘inputHistory’ 和 ‘ChatStore’ 的数据
  2. 输出文件名改为 filtered_vscdb_output.json，以区分原始输出
  3. 优化了数据结构，只包含需要的内容

运行后，新生成的 JSON 文件将只包含你指定的两个 key 的数据。

用户 (2025/2/18 17:01:37)

key属性以memento/icube-ai-ng-chat-storage开头的也要的

助手 (2025/2/18 17:01:37)

好的，我来修改代码，让它过滤出 key 为 ‘inputHistory’、‘ChatStore’ 以及以 ‘memento/icube-ai-ng-chat-storage’ 开头的数据：

const Database = require('better-sqlite3'); const fs = require('fs'); function parseVSCDB(filePath) { try { // 连接数据库 const db = new Database(filePath, { readonly: true }); // 获取所有表名 const tables = db.prepare(` SELECT name FROM sqlite_master WHERE type='table' `).all(); const result = {}; // 遍历每个表并获取内容 tables.forEach(table => { const tableName = table.name; const rows = db.prepare(`SELECT * FROM ${tableName}`).all(); // 尝试解析每行中可能的 JSON 字符串 const parsedRows = rows.map(row => { const parsedRow = {}; Object.entries(row).forEach(([key, value]) => { if (typeof value === 'string') { try { parsedRow[key] = JSON.parse(value); } catch { parsedRow[key] = value; } } else { parsedRow[key] = value; } }); return parsedRow; }); result[tableName] = parsedRows; }); // 关闭数据库连接 db.close(); // 过滤数据，只保留指定的 key const filteredData = {}; Object.entries(result).forEach(([tableName, tableData]) => { tableData.forEach(row => { if (row.key === 'inputHistory' || row.key === 'ChatStore' || (typeof row.key === 'string' && row.key.startsWith('memento/icube-ai-ng-chat-storage'))) { if (!filteredData[tableName]) { filteredData[tableName] = []; } filteredData[tableName].push(row); } }); }); return filteredData; } catch (error) { console.error('解析错误:', error.message); return null; } } // 使用示例 const vscdbPath = './state.vscdb'; // 替换为实际的文件路径 const data = parseVSCDB(vscdbPath); if (data) { // 将过滤后的数据写入新的 JSON 文件 try { fs.writeFileSync( 'filtered_vscdb_output.json', JSON.stringify(data, null, 2), 'utf8' ); console.log('数据已成功写入到 filtered_vscdb_output.json'); } catch (err) { console.error('写入文件时出错:', err); } }

主要修改：

  1. 在过滤条件中添加了对 memento/icube-ai-ng-chat-storage 开头的 key 的判断
  2. 使用 startsWith() 方法来检查字符串前缀
  3. 添加了类型检查，确保 key 是字符串类型

运行后，新生成的 JSON 文件将包含：

  • key 为 ‘inputHistory’ 的数据
  • key 为 ‘ChatStore’ 的数据
  • key 以 ‘memento/icube-ai-ng-chat-storage’ 开头的数据

用户 (2025/2/18 17:10:50)

filtered_vscdb_output.json再用nodejs写个脚本，解析对应的关系，将上一步解析出来的json文件的内容生成不同的markdown文件。名称用 parsedQuery命名即可。解析的内容是key以memento/icube-ai-ng-chat-storage开头的，value.list这个数组对象中的数据，每个对象生成一个markdown文件

助手 (2025/2/18 17:10:50)

我来帮你写一个 Node.js 脚本来处理这个需求：

const fs = require('fs'); const path = require('path'); // 读取 JSON 文件 function parseVSCDBToMarkdown() { try { // 读取 JSON 文件 const jsonData = JSON.parse(fs.readFileSync('./filtered_vscdb_output.json', 'utf8')); // 创建输出目录 const outputDir = './chat_markdown'; if (!fs.existsSync(outputDir)) { fs.mkdirSync(outputDir); } // 查找以 memento/icube-ai-ng-chat-storage 开头的项 const chatData = jsonData.ItemTable.find(item => item.key.startsWith('memento/icube-ai-ng-chat-storage') ); if (!chatData || !chatData.value || !chatData.value.list) { console.log('没有找到聊天数据'); return; } // 处理每个会话 chatData.value.list.forEach(session => { if (!session.messages || !session.messages.length) return; // 获取第一条用户消息作为文件名 const firstUserMessage = session.messages.find(msg => msg.role === 'user' && msg.parsedQuery && msg.parsedQuery.length ); if (!firstUserMessage) return; const fileName = firstUserMessage.parsedQuery[0] .replace(/[<>:"/\\|?*]/g, '_') // 替换不合法的文件名字符 .substring(0, 100) // 限制文件名长度 + '.md'; let; // 生成 Markdown 内容 session.messages.forEach(msg => { if (msg.status === 'deleted') return; // 跳过已删除的消息 const role = msg.role === 'user' ? '**用户**' : '**助手**'; const timestamp = new Date(msg.timestamp).toLocaleString(); markdownContent += `### ${role} (${timestamp})\n\n`; markdownContent += `${msg.content}\n\n`; // 如果有多媒体内容 if (msg.multiMedia && msg.multiMedia.length) { markdownContent += '**多媒体内容：**\n'; msg.multiMedia.forEach(media => { markdownContent += `- ${media}\n`; }); markdownContent += '\n'; } markdownContent += '---\n\n'; }); // 写入文件 const filePath = path.join(outputDir, fileName); fs.writeFileSync(filePath, markdownContent, 'utf8'); console.log(`已生成文件: ${fileName}`); }); console.log('所有 Markdown 文件生成完成！'); } catch (error) { console.error('处理过程中出错:', error); } } // 执行转换 parseVSCDBToMarkdown();

使用方法：

  1. 确保 filtered_vscdb_output.json 文件在同一目录下
  2. 运行脚本：
node parse_chat_to_md.js

这个脚本会：

  1. 创建一个 chat_markdown 目录
  2. 查找以 memento/icube-ai-ng-chat-storage 开头的数据
  3. 遍历其中的 list 数组
  4. 为每个会话生成一个 Markdown 文件：
    • 使用第一条用户消息的 parsedQuery 作为文件名
    • 按时间顺序组织对话内容
    • 标记用户和助手的角色
    • 包含时间戳
    • 跳过已删除的消息
    • 处理可能的多媒体内容

生成的 Markdown 文件格式如下：

### **用户** (2024-02-19 10:30:00) 问题内容 --- ### **助手** (2024-02-19 10:30:01) 回答内容 ---

注意事项：

  1. 文件名会自动处理特殊字符，确保合法
  2. 文件名长度限制为 100 字符
  3. 自动跳过 status 为 deleted 的消息
  4. 保留了消息的时间戳信息

用户 (2025/2/18 17:13:25)

vscdb.jsparse_chat_to_md.js能将这两个脚本文件整合成一个脚本吗

助手 (2025/2/18 17:13:25)

是的，我来帮你整合这两个脚本文件：

const Database = require('better-sqlite3'); const fs = require('fs'); const path = require('path'); function parseVSCDB(filePath) { try { // 连接数据库 const db = new Database(filePath, { readonly: true }); // 获取所有表名 const tables = db.prepare(` SELECT name FROM sqlite_master WHERE type='table' `).all(); const result = {}; // 遍历每个表并获取内容 tables.forEach(table => { const tableName = table.name; const rows = db.prepare(`SELECT * FROM ${tableName}`).all(); // 尝试解析每行中可能的 JSON 字符串 const parsedRows = rows.map(row => { const parsedRow = {}; Object.entries(row).forEach(([key, value]) => { if (typeof value === 'string') { try { parsedRow[key] = JSON.parse(value); } catch { parsedRow[key] = value; } } else { parsedRow[key] = value; } }); return parsedRow; }); result[tableName] = parsedRows; }); // 关闭数据库连接 db.close(); // 过滤数据，只保留指定的 key const filteredData = {}; Object.entries(result).forEach(([tableName, tableData]) => { tableData.forEach(row => { if (row.key === 'inputHistory' || row.key === 'ChatStore' || (typeof row.key === 'string' && row.key.startsWith('memento/icube-ai-ng-chat-storage'))) { if (!filteredData[tableName]) { filteredData[tableName] = []; } filteredData[tableName].push(row); } }); }); return filteredData; } catch (error) { console.error('解析错误:', error.message); return null; } } function generateMarkdownFiles(jsonData) { try { // 创建输出目录 const outputDir = './chat_markdown'; if (!fs.existsSync(outputDir)) { fs.mkdirSync(outputDir); } // 查找以 memento/icube-ai-ng-chat-storage 开头的项 const chatData = jsonData.ItemTable.find(item => item.key.startsWith('memento/icube-ai-ng-chat-storage') ); if (!chatData || !chatData.value || !chatData.value.list) { console.log('没有找到聊天数据'); return; } // 处理每个会话 chatData.value.list.forEach(session => { if (!session.messages || !session.messages.length) return; // 获取第一条用户消息作为文件名 const firstUserMessage = session.messages.find(msg => msg.role === 'user' && msg.parsedQuery && msg.parsedQuery.length ); if (!firstUserMessage) return; const fileName = firstUserMessage.parsedQuery[0] .replace(/[<>:"/\\|?*]/g, '_') // 替换不合法的文件名字符 .substring(0, 100) // 限制文件名长度 + '.md'; let; // 生成 Markdown 内容 session.messages.forEach(msg => { if (msg.status === 'deleted') return; // 跳过已删除的消息 const role = msg.role === 'user' ? '**用户**' : '**助手**'; const timestamp = new Date(msg.timestamp).toLocaleString(); markdownContent += `### ${role} (${timestamp})\n\n`; markdownContent += `${msg.content}\n\n`; // 如果有多媒体内容 if (msg.multiMedia && msg.multiMedia.length) { markdownContent += '**多媒体内容：**\n'; msg.multiMedia.forEach(media => { markdownContent += `- ${media}\n`; }); markdownContent += '\n'; } markdownContent += '---\n\n'; }); // 写入文件 const filePath = path.join(outputDir, fileName); fs.writeFileSync(filePath, markdownContent, 'utf8'); console.log(`已生成文件: ${fileName}`); }); console.log('所有 Markdown 文件生成完成！'); } catch (error) { console.error('处理过程中出错:', error); } } // 主函数 function main() { const vscdbPath = './state.vscdb'; const data = parseVSCDB(vscdbPath); if (data) { // 将过滤后的数据写入 JSON 文件 try { fs.writeFileSync( 'filtered_vscdb_output.json', JSON.stringify(data, null, 2), 'utf8' ); console.log('数据已成功写入到 filtered_vscdb_output.json'); // 直接使用解析后的数据生成 Markdown 文件 generateMarkdownFiles(data); } catch (err) { console.error('处理过程中出错:', err); } } } // 执行程序 main();

主要改动：

  1. 将两个脚本合并为一个文件
  2. 重构为三个主要函数：
    • parseVSCDB: 解析数据库文件
    • generateMarkdownFiles: 生成 Markdown 文件
    • main: 主函数，协调整个流程
  3. 移除了中间 JSON 文件的读取步骤，直接使用内存中的数据
  4. 保留了 JSON 文件的输出，以便查看和调试

使用方法：

node vscdb_parser.js

这个整合后的脚本会：

  1. 解析 .vscdb 文件
  2. 保存过滤后的 JSON 数据到文件
  3. 直接使用解析后的数据生成 Markdown 文件
  4. 全程只需要执行一次命令

运行脚本 导出 markdown 文件

看不下去的朋友别着急，我简单解读一下

首先我问 AI 后得知 它是一个 SQLite 数据库文件，使用二进制格式存储等巴拉巴拉

接下来，我询问如何解析为纯文本，它给出我一个 python脚本。貌似让大模型给你脚本的时候，如果不指定开发语言，它默认都是用 python 写的

那不行啊，咱是前端开发，让它换成 nodejs

后续再一步一步引导：写入json文件、打开json文件并分析数据格式、数据过滤、最终生成 markdown 文件

运行一下，完美导出！

导出目录

完整的脚本我再给下面放一份，大家有兴趣的可以去试试。windows 同理找到 state.vscdb 文件即可

完整脚本 - 展开查看

const Database = require('better-sqlite3'); const fs = require('fs'); const path = require('path'); function parseVSCDB(filePath) { try { // 连接数据库 const db = new Database(filePath, { readonly: true }); // 获取所有表名 const tables = db.prepare(` SELECT name FROM sqlite_master WHERE type='table' `).all(); const result = {}; // 遍历每个表并获取内容 tables.forEach(table => { const tableName = table.name; const rows = db.prepare(`SELECT * FROM ${tableName}`).all(); // 尝试解析每行中可能的 JSON 字符串 const parsedRows = rows.map(row => { const parsedRow = {}; Object.entries(row).forEach(([key, value]) => { if (typeof value === 'string') { try { parsedRow[key] = JSON.parse(value); } catch { parsedRow[key] = value; } } else { parsedRow[key] = value; } }); return parsedRow; }); result[tableName] = parsedRows; }); // 关闭数据库连接 db.close(); // 过滤数据，只保留指定的 key const filteredData = {}; Object.entries(result).forEach(([tableName, tableData]) => { tableData.forEach(row => { if (row.key === 'inputHistory' || row.key === 'ChatStore' || (typeof row.key === 'string' && row.key.startsWith('memento/icube-ai-ng-chat-storage'))) { if (!filteredData[tableName]) { filteredData[tableName] = []; } filteredData[tableName].push(row); } }); }); return filteredData; } catch (error) { console.error('解析错误:', error.message); return null; } } function generateMarkdownFiles(jsonData) { try { // 创建输出目录 const outputDir = './chat_markdown'; if (!fs.existsSync(outputDir)) { fs.mkdirSync(outputDir); } // 查找以 memento/icube-ai-ng-chat-storage 开头的项 const chatData = jsonData.ItemTable.find(item => item.key.startsWith('memento/icube-ai-ng-chat-storage') ); if (!chatData || !chatData.value || !chatData.value.list) { console.log('没有找到聊天数据'); return; } // 处理每个会话 chatData.value.list.forEach(session => { if (!session.messages || !session.messages.length) return; // 获取第一条用户消息作为文件名 const firstUserMessage = session.messages.find(msg => msg.role === 'user' && msg.parsedQuery && msg.parsedQuery.length ); if (!firstUserMessage) return; const fileName = firstUserMessage.parsedQuery[0] .replace(/[<>:"/\\|?*]/g, '_') // 替换不合法的文件名字符 .substring(0, 100) // 限制文件名长度 + '.md'; let; // 生成 Markdown 内容 session.messages.forEach(msg => { if (msg.status === 'deleted') return; // 跳过已删除的消息 const role = msg.role === 'user' ? '**用户**' : '**助手**'; const timestamp = new Date(msg.timestamp).toLocaleString(); markdownContent += `### ${role} (${timestamp})\n\n`; markdownContent += `${msg.content}\n\n`; // 如果有多媒体内容 if (msg.multiMedia && msg.multiMedia.length) { markdownContent += '**多媒体内容：**\n'; msg.multiMedia.forEach(media => { markdownContent += `- ${media}\n`; }); markdownContent += '\n'; } markdownContent += '---\n\n'; }); // 写入文件 const filePath = path.join(outputDir, fileName); fs.writeFileSync(filePath, markdownContent, 'utf8'); console.log(`已生成文件: ${fileName}`); }); console.log('所有 Markdown 文件生成完成！'); } catch (error) { console.error('处理过程中出错:', error); } } // 主函数 function main() { const vscdbPath = './state.vscdb'; const data = parseVSCDB(vscdbPath); if (data) { // 将过滤后的数据写入 JSON 文件 try { fs.writeFileSync( 'filtered_vscdb_output.json', JSON.stringify(data, null, 2), 'utf8' ); console.log('数据已成功写入到 filtered_vscdb_output.json'); // 直接使用解析后的数据生成 Markdown 文件 generateMarkdownFiles(data); } catch (err) { console.error('处理过程中出错:', err); } } } // 执行程序 main();

总结

本文通过分析 Trae AI 编辑器的工作区存储机制，借鉴 Cursor 对话记录导出插件 的思路，实现了 Trae 编辑器的导出功能。

希望这个简单的实现能帮助到有相同需求的朋友，也期待未来 Trae 官方 原生支持对话导出功能。

好了，今天的分享就到这里了，这里是 极客密码，如果当前文章对你有帮助，欢迎点赞、收藏、关注。

Read more

文心一言开源版测评：能力、易用性与价值的全面解析

文心一言开源版测评：能力、易用性与价值的全面解析

目录 * 一、实测过程记录 * 1. 环境配置详解 * 2. 安装Python环境 * 3. 安装PaddlePaddle（选择CPU版本） * 4. 安装FastDeploy推理引擎 * 5. 下载模型权重及配置文件 * 6. 环境验证脚本 * 7. 常见问题及解决 * 8. 关于GPU加速说明（重要） * 二、模型能力实测：多维度压力测试与代码实战 * 1. 通用理解能力测评（附测试代码） * 1.1 复杂逻辑推理测试 * 1.2 情感极性分析 * 2. 文本生成能力实测 * 风格化写作（带控制参数） * 商业文案生成对比 * 3. 鲁棒性压力测试 * 4. 多模态能力专项测试 * 4.1 图文关联度测评 * 4.2 视觉问答(VQA)实战

如何打造自动化B站直播间：神奇弹幕机器人全功能指南

如何打造自动化B站直播间：神奇弹幕机器人全功能指南 【免费下载链接】Bilibili-MagicalDanmaku【神奇弹幕】哔哩哔哩直播万能场控机器人，弹幕姬+答谢姬+回复姬+点歌姬+各种小骚操作，目前唯一可编程机器人 项目地址: https://gitcode.com/gh_mirrors/bi/Bilibili-MagicalDanmaku B站直播机器人"神奇弹幕"是一款集弹幕管理、自动答谢、智能点歌等功能于一体的可编程直播辅助工具。本指南将从核心功能解析、环境配置到高级应用，全面介绍如何利用这款工具提升直播效率和互动质量，帮助主播构建专业的自动化直播系统。 核心功能架构解析 直播间智能管理系统 神奇弹幕提供了一站式直播管理解决方案，通过直观的控制台界面实现对直播状态的全面掌控。系统采用模块化设计，将直播控制功能划分为基础设置、状态监控和快捷操作三大模块，满足不同场景下的操作需求。 管理系统核心功能包括： * 直播信息实时编辑（标题、封面、公告等） * 房间状态监控（人气值、弹幕量、在线观众） * 快捷开播与分区管理 * 直播数据一键导出
(二)Stable Diffusion 3.5硬件准备与环境配置 —— 低配显卡也能跑大模型

(二)Stable Diffusion 3.5硬件准备与环境配置 —— 低配显卡也能跑大模型

随着 Stable Diffusion 3.5 (SD 3.5) 的发布，生成式 AI 的门槛再次降低。虽然其 Large 版本拥有高达 81 亿的参数量，但通过合理的量化选择、显存管理技巧以及操作系统级的优化，即便是在 8GB 或 12GB 显存的消费级显卡上，也能获得极佳的生成体验。 2.1 显存容量与量化选择指南 在本地运行 SD 3.5 时，显存 (VRAM) 是最核心的硬件指标。SD 3.5 Large 模型在原生精度 (FP16/BF16) 下，通常需要约 18–19 GB 的显存才能完整加载。这意味着如果你想体验不经过性能削减的原生模型，