Agent 对话历史本地检索

解决什么问题

在长期使用 Agent 的过程中，开发者通常会积累大量对话记录。当需要回溯某次方案决策、寻找一段曾经的代码片段，或者重温某个 bug 的排查过程时，仅靠聊天软件自带的上翻功能往往力不从心。

Local Chat Search 是一个面向 AI Agent 的对话历史本地检索工具。它直接读取 WorkBuddy 本地的 .jsonl 原始对话文件，让用户能够像搜索代码一样，通过关键词快速定位过往的会话内容，且完全本地化，不发送任何数据到外部服务。

核心工作原理

该技能采用「渐进式范围」策略，核心工作流分为四个步骤：

• Step 1 解析查询：接收用户的自然语言或关键词，默认设定 scope=current（当前对话），时间范围为全部。
• Step 2 执行检索：调用本地 Python 脚本分析 ~/.workbuddy 目录下的数据。
• Step 3 范围管理：如果当前对话无结果，技能会主动询问用户是否扩大到「当前项目」或「所有项目」，绝不擅自扩大搜索范围。
• Step 4 结构化渲染：将脚本输出的 JSON 结果渲染为 Markdown，包含命中列表表格、代码片段以及相关的改写建议。

适用边界与注意事项

• 仅限关键词匹配：该技能基于关键词进行搜索，不会进行语义联想（例如搜「部署」不会自动返回「上线」）。若 0 命中，请尝试更换关键词。
• 首次全量检索较慢：当范围覆盖所有项目时，由于历史数据量较大，首次搜索可能需要几秒钟，但之后的检索会因缓存而显著加速。
• 本地环境适配：如果你在 WSL 或其他非原生环境下测试，需要使用 --root 参数来覆盖默认的 ~/.workbuddy 路径。