CANN/cannbot-skills：会话洞察需求分析

Session 对话级洞察 — Phase1 需求分析【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills版本v0.2最后更新2026-06-12文档类型Phase1 需求分析 关联项目CANNBot-Insight复杂度Medium-High涉及数据模型重构、per-turn 粒度拆解、subagent 独立存储与交互链路追踪、LLM 上下文治理展示、UI 交互设计独立项目CANNBot-Insight从零实现无外部代码依赖导读工程师先看这段这是什么—— 一套面向「session 中每次对话 turn」的细粒度可观测系统。用户能看到每个 turn 的 token 消耗input/output/reasoning/cache 分项、耗时、调用的工具、加载的 skill每个 subagent 独立存在一条可查的记录同样有上述 turn 级信息主 agent → subagent 的交互链路父 agent 发起 task() 的参数、子 agent 返回的结果、两者之间的时间衔接每个 LLM turn 的输入上下文发给模型的完整 prompt 消息序列和输出内容模型返回的完整响应用于上下文治理——理解 LLM 收到了什么、产出了什么、上下文是否合理为什么需要—— 传统方案只在Execution 行级做聚合统计总 token、总耗时、tool 调用总数per-turn 数据被锁在 Session.interactions 的 JSON blob 里必须全量解析才能回答第 3 轮对话用了多少 token调了哪个工具花了多久。subagent 的 Execution 行虽有 schema 支撑但从未在写入路径实际创建所有 subagent 交互混在 root Session blob 里无法独立查询。主 agent ↔ subagent 的交互是隐含在 JSON 工具调用中的无结构化记录。CANNBot-Insight 怎么做—— 不沿用大 JSON blob 聚合行架构而是以Turn为一等公民建表每个 LLM turn / tool turn / skill load event / subagent dispatch 均独立成行。subagent 自动拆出独立 Execution 子树写入路径落地。主-sub 交互显式建桥记录。这一轮做到哪Turn 级数据拆解每次对话拆为独立可查行token/时间/工具/skillSubagent 独立存储与查询写入路径实际创建 subagent Execution subagent Turn 行主-sub 交互链路表显式记录 task() dispatch → subagent response 的衔接关系Session 总览 Turn 下钻 UI列表看 session 聚合点击下钻看每个 turnLLM 上下文治理每个 LLM turn 可查看发给模型的输入消息序列 模型返回的完整响应默认折叠、点击展开明确不碰§3 边界不做 LLM 评估/评分、不做 skill 优化、不做 A/B 测试、不做 AgentDebug 诊断——CANNBot-Insight 只做可观测。§1 基本信息1.1 项目背景需求价值让开发者/运维人员能直观理解一次 agent session 的内部运作细节——哪轮对话消耗最多 token、哪个工具调用最慢、哪个 skill 被加载/未加载、subagent 做了什么、主 agent 和 subagent 怎么交互的。同时能查看每轮 LLM 调用的输入上下文和输出内容帮助进行上下文治理——判断上下文是否过长、是否包含冗余信息、模型是否被误导等。这对性能优化、成本控制、故障排查、skill 效果验证、上下文治理都是刚需。需求描述新建 CANNBot-Insight 项目专注 session 可观测性。核心能力Turn 级拆解每个 LLM turn / user turn / tool turn 独立成行含 token 分项、时间、工具调用明细、skill 加载事件LLM 上下文治理每个 assistant turn 存储发给 LLM 的输入消息序列inputMessagesJson和模型返回的完整响应contentJson默认折叠展示摘要点击可展开查看全文Subagent 一等公民写入路径自动拆分 subagent trace 为独立 Execution Turn 行树主-sub 交互链路显式记录 dispatchtask 参数→ response子 agent 产出的桥接关系UISession 总览列表 → Turn 下钻详情 → Subagent 独立视图1.2 结构化信息|维度|内容| |-|-| |Who|开发者、运维人员、AI 产品经理——需要理解 agent session 内部运作细节的人| |When|session 完成后事后复盘查看也支持实时跟进数据边写边可见| |What|per-turn token/时间/工具/skill 洞察per-subagent 同样洞察主-sub 交互衔接LLM 输入上下文 输出内容上下文治理| |Why|聚合级统计无法回答细粒度问题第 5 轮为什么慢subagent 消耗了多少 tokenskill X 被加载了吗第 3 轮给 LLM 发了什么上下文上下文是否过长导致输出质量下降| |Where|独立 Web 应用Next.jscannbot-insight 目录下| |How Much|支持单 session 100 turn、5 subagent 的查看性能per-turn 查询无需全量解析 JSON blob| |How|数据采集通过本地文件导入(a) CLI/API 导入 opencode sessions.db 文件用户从多 session 中选择要分析的 session(b) CLI/API 导入 Claude Code session JSONL 文件离线分析|1.3 已确认前提P-01 数据源CANNBot-Insight 只支持本地文件导入——直接读取 opencode 的 sessions DB 文件一个 DB 含多个 session需用户选择和 Claude Code 的 session JSONL 文件进行离线分析。实时上报POST upload暂不实现P-02 技术栈Next.js Prisma SQLite成熟生态开发阶段轻量P-03 项目范围CANNBot-Insight 只做可观测不做评估/评分/优化——评估相关功能不在本项目P-04 代码归属所有代码和设计文档只能放在 cannbot-insight 目录下P-05 离线分析定位本地文件导入是唯一的数据入口用于事后复盘——不需要 agent 在运行时上报只需指定本地文件路径即可导入分析P-06 Opencode 多 session 选择opencode sessions.db 通常包含多个 session导入时必须先展示 session 列表含时间、第一个提示词等基本信息供用户判断用户选择后再入库§2 核心能力2.1 场景分析主成功场景用户打开 CANNBot-Insight → Session 列表页 → 看到所有 session 的聚合信息总 token、总耗时、turn 数、subagent 数、skill 数 → 点击某个 session → Session 详情页 → 看到所有 turn 的列表时间线视图 → 每个 turn 显示角色(user/assistant/tool/subagent)、token 分项、耗时、工具调用(s)、skill 加载(s) → 看到所有 subagent 的卡片独立视图入口 → 看到主-sub 交互链路图哪个 turn dispatch 了哪个 subagentsubagent 做了什么结果返回到哪个 turn → 点击某个 subagent → Subagent 详情页 → 看到该 subagent 的 turn 列表与主 session 同样的粒度 → 看到该 subagent 调用的工具、加载的 skill、token 消耗 → 点击某个 turn → Turn 详情 → 看到完整内容user input / assistant response / tool call inputoutput → 看到精确 token 分项和时间 → 看到 LLM 输入上下文区默认折叠 → 折叠态显示输入 N 条消息共 X tokens摘要行 → 点击展开逐条显示发给 LLM 的消息system prompt / user messages / assistant history / tool results每条消息也可独立折叠 → 看到 LLM 输出内容区默认折叠 → 折叠态显示内容摘要前 200 字 输出 X tokens → 点击展开完整 markdown 渲染 thinking/reasoning 折叠区|编号|路径|类别|触发|步骤| |-|-|-|-|-| |S-001|主成功|业务|用户查看 session|列表看聚合 → 下钻看 turn → 下钻看 subagent → 看交互链路| |S-002|扩展|业务|用户查看 subagent 独立视图|直接跳转到某 subagent 的详情页不看主 session| |S-003|扩展|业务|用户对比多个 subagent|同一 session 下多个 subagent 的 token/耗时/工具对比| |S-004|异常|数据|session 上报数据缺失 turn 信息|仍能展示已有 turn缺失的 turn 标注数据不完整| |S-005|异常|数据|subagent trace 未上报|主 session 仍可见subagent 卡片标注trace 缺失| |S-006|异常|性能|超大 session500 turns|Turn 列表支持分页/虚拟滚动不一次性渲染| |S-007|扩展|业务|多层级 subagentsubagent 内再 dispatch subagent|递归展示主 → sub1 → sub2 的树形结构| |S-008|异常|数据|turn 内 tool_calls 数据缺失|turn 仍可见工具调用区域标注无工具调用记录| |S-009|扩展|业务|用户查看 LLM 输入上下文上下文治理|点击 turn 的上下文区展开逐条查看发给 LLM 的消息序列理解模型收到了什么| |S-010|扩展|业务|用户查看 LLM 输出内容|点击 turn 的输出区展开查看模型完整响应含 thinking/reasoning blocks判断输出质量| |S-011|扩展|业务|上下文长度分析|查看某 turn 的输入上下文总 token 数占比占模型 context window 的百分比判断上下文是否过长| |S-012|主成功|业务|本地文件导入分析——Opencode DB|用户指定 opencode sessions.db 文件 → 系统读取 DB → 展示 session 列表含时间、第一个提示词等基本信息→ 用户选择要分析的 session → 入库拆解为 Turn/ToolCall/SkillEvent 等 → 可在 UI 中查看| |S-013|主成功|业务|本地文件导入分析——Claude Code JSONL|用户指定 Claude Code JSONL 文件 → 系统读取并解析 → 入库拆解 → 可在 UI 中查看| |S-014|异常|数据|本地文件格式不兼容|系统提示文件格式不匹配请确认是 opencode sessions.db 或 Claude Code JSONL| |S-015|扩展|业务|Opencode DB 批量选择|用户在 session 选择界面勾选多个 session → 批量入库|2.2 业务规则|编号|描述|原因|影响范围| |-|-|-|-| |BR-001|每个 LLM turn 必须独立成行不得将 turn 数据锁在 JSON blob 里需要全量解析才能获取|per-turn 查询是核心需求全量解析性能不可接受且无法索引|数据模型| |BR-002|subagent 的 Execution Turn 行必须在写入路径实际创建不得只存在 schema 定义而从未写入|有 schema 无写入 功能不存在|入库逻辑| |BR-003|主 agent dispatch subagent 的 task() 调用与 subagent 的第一轮输出之间必须显式建桥记录|交互链路是用户明确要求的核心信息隐含在 JSON 中无法直观查看|数据模型| |BR-004|Turn 的 token 分项input/output/reasoning/cache_read/cache_write必须独立存储不得只存总量|用户需要区分输入 token 多还是输出 token多cache 命中了多少来优化成本|数据模型| |BR-005|Skill 加载事件必须独立记录为事件行而非仅在 tool_call 中隐含|用户明确要求看到加载了哪些 skill且需区分 skill load vs skill invoke|数据模型| |BR-006|CANNBot-Insight 只做可观测不做评估/评分/优化|项目范围边界避免功能膨胀|项目范围| |BR-007|LLM 输入上下文和输出内容默认折叠不自动展开全文|上下文内容可能极长数千行默认展开会严重影响页面加载和视觉噪音用户按需点击展开|UI| |BR-008|LLM 输入上下文中的每条消息也可独立折叠/展开|system prompt 可能 200 行、工具返回可能 500 行全展开不现实用户需要逐条按需查看|UI| |BR-010|Opencode DB 导入必须先展示 session 列列供用户选择|一个 DB 含多个 session不能默认全量导入需展示每个 session 的创建时间、第一个用户提示词query等基本信息帮助用户判断要分析哪个|数据采集| |BR-011|实时上报POST upload暂不实现|MVP 只做离线文件导入实时上报留作后续迭代|项目范围|2.3 数据约束|编号|类别|名称|描述| |-|-|-|-| |DC-001|模型|Turn 行|每个 turn 一条 DB 行含 role、agent_identity、token 分项、时间、content_ref内容引用而非全文存储以控制行宽| |DC-002|模型|InteractionBridge 行|主 agent 的 task() tool_call → subagent 的 session_id 映射含 dispatch_args、response_summary、dispatch_time、response_time| |DC-003|模型|SkillEvent 行|skill load / skill invoke 的独立事件行含 skill_name、version、load_time、success/failure、调用方 agent| |DC-004|约束|Turn 序号单调|同一 agent 内 turn_number 单调递增不回退用于排序和分页| |DC-005|约束|Subagent 树深度|subagent 可递归嵌套parentExecutionId 链但 UI 默认只展开两层深层可按需下钻| |DC-006|约束|内容存储|turn 的完整 content可能很长单独存储在 Content 表或文件中Turn 行只存引用 ID| |DC-006a|约束|LLM 输入上下文存储|assistant turn 的 inputMessagesJson 存完整 prompt 消息序列system/user/assistant/tool_result 消息数组可能很长10KB~100KB存为独立字段或文件引用Turn 行只存 inputMessagesCount inputMessagesTokens| |DC-006b|约束|LLM 输出内容存储|assistant turn 的 contentJson 存完整输出含 thinking/reasoning blocks可能很长存为独立字段或文件引用Turn 行只存 contentSummary前 200 字截断| |DC-007|约束|时间精度|所有时间字段使用毫秒精度ISO 8601 ms不丢失 sub-second 信息|§3 需求列表3.1 功能性需求|编号|类别|名称|描述|优先级| |-|-|-|-|-| |FR-001|Turn 拆解|Per-turn token 存储|每个 turn 独立存储 input_tokens、output_tokens、reasoning_tokens、cache_read_tokens、cache_write_tokens 五项|P0| |FR-002|Turn 拆解|Per-turn 时间存储|每个 turn 独立存储 created_at、completed_at毫秒精度派生 duration_ms|P0| |FR-003|Turn 拆解|Per-turn 工具调用明细|每个 turn 的 tool_calls 存为独立 ToolCall 行或 turn 内的 JSON 字段含 name、args_summary、output_summary、duration_ms、state、error_message|P0| |FR-004|Turn 拆解|Per-turn skill 加载事件|每个 turn 的 skill load/invoke 存为 SkillEvent 行含 skill_name、version、event_type(load/invoke)、duration_ms、success、agent_name|P0| |FR-005|Turn 拆解|Turn 角色与 agent 身份|每个 turn 存储 roleuser/assistant/tool/subagent/system和 agent_name、subagent_session_id如果是 subagent turn|P0| |FR-006|Turn 拆解|Turn 内容引用|每个 turn 存储 content_ref 指向 Content 表而非在 Turn 行内存全文。Content 表存完整 content|P0| |FR-006a|上下文治理|LLM 输入上下文存储|每个 assistant turn 存储 inputMessagesJson发给 LLM 的完整消息序列system prompt 对话历史 工具结果含每条消息的 role/content/tokenCountTurn 行额外存 inputMessagesCount 和 inputMessagesTokens用于折叠态摘要|P0| |FR-006b|上下文治理|LLM 输出内容存储|每个 assistant turn 存储 contentJson模型完整响应含 thinking/reasoning/text 结构化 blocksTurn 行额外存 contentSummary前 200 字截断摘要用于折叠态展示|P0| |FR-006c|上下文治理|上下文长度指标|每个 assistant turn 存储 contextWindowPctinputMessagesTokens 占模型 context window 的百分比用于判断上下文是否过长|P1| |FR-007|Subagent 存储|Subagent Execution 行写入|写入路径自动从 root session 的 interactions 中识别 subagent 交互为每个 subagent 创建独立 Execution 行含 parentExecutionId、rootExecutionId、subagentType、subagentName|P0| |FR-008|Subagent 存储|Subagent Turn 行写入|为每个 subagent 的交互创建独立 Turn 行关联到 subagent Execution|P0| |FR-009|交互链路|InteractionBridge 行|主 agent 的 task() tool_call 与 subagent session 之间建桥记录dispatch_turn_id、dispatch_tool_call_id、subagent_execution_id、subagent_first_turn_id、dispatch_args、response_summary、dispatch_time、response_time|P0| |FR-010|交互链路|交互链路可视化|UI 展示主 agent → subagent 的交互链路图标注 dispatch 参数、subagent 产出、时间衔接|P0| |FR-011|Session 总览|Session 聚合信息|Session 列表页显示每个 session 的总 token、总耗时、turn 数、subagent 数、skill 数、模型名|P0| |FR-012|Session 详情|Turn 时间线视图|Session 详情页展示所有 turn 的时间线按序号排列每个 turn 卡片显示 role token 耗时 工具数 skill 数|P0| |FR-013|Turn 详情|Turn 下钻面板|点击 turn 展开详情完整 content、token 分项柱状图、工具调用列表、skill 加载列表|P0| |FR-013a|上下文治理|LLM 输入上下文展示默认折叠|Turn 详情面板中增加上下文区默认折叠显示输入 N 条消息共 X tokens点击展开后逐条展示每条消息system/user/assistant/tool_result每条消息也可独立折叠/展开|P0| |FR-013b|上下文治理|LLM 输出内容展示默认折叠|Turn 详情面板中增加输出区默认折叠显示摘要前 200 字 输出 X tokens点击展开后展示完整内容markdown 渲染 thinking 折叠区|P0| |FR-014|Subagent 详情|Subagent 独立视图|Subagent 详情页展示该 subagent 的所有 turn与主 session 同样的粒度和布局|P0| |FR-015|Subagent 详情|Subagent 与主 session 对比|同一 session 下多个 subagent 的 token/耗时/工具数对比表|P1| |FR-016|数据采集|本地文件导入——唯一数据入口|CANNBot-Insight MVP 只支持本地文件导入不支持实时 POST 上报。所有数据通过导入 opencode sessions.db 或 Claude Code JSONL 进入系统|P0| |FR-017|数据采集|Opencode 格式适配|适配 opencode sessions.db 的表结构sessions/messages/tools提取 per-turn 数据入库|P0| |FR-018|数据采集|本地文件导入——Opencode sessions DB多 session 选择|支持读取本地 opencode sessions.dbSQLite文件先展示 session 列表含每个 session 的创建时间、第一个用户提示词、turn 数、模型等基本信息供用户判断和选择用户选择后再解析入库为 Turn/ToolCall/SkillEvent 等|P0| |FR-019|数据采集|本地文件导入——Claude Code JSONL|支持读取本地 Claude Code session JSONL 文件~/.claude/projects/*/sessions/*.jsonl解析其中的消息和工具调用自动拆解入库|P0| |FR-020|数据采集|CLI 导入命令|提供 CLI 命令cannbot-insight import --source opencode-db --path /path/to/sessions.db先列出 DB 中所有 session 供用户选择cannbot-insight import --source claude-jsonl --path /path/to/session.jsonl直接入库|P0| |FR-021|数据采集|UI 文件上传入口|UI 提供导入本地文件按钮支持拖拽上传 opencode sessions.db 或 Claude Code JSONL 文件上传 opencode DB 后弹出 session 选择界面|P1| |FR-018|性能|Turn 分页查询|Turn 列表支持按 turn_number 分页/范围查询不一次性加载全部 turn|P1| |FR-019|搜索|Turn 内搜索|支持在 session 内搜索 turn 内容关键词、工具名、skill 名|P2|3.2 非功能性需求|编号|类别|名称|描述|优先级| |-|-|-|-|-| |NFR-001|性能|Turn 查询性能|单 session 100 turn 时Turn 列表加载 ≤ 500ms单 turn 详情加载 ≤ 200ms|P0| |NFR-002|性能|Subagent 查询性能|单 session 5 subagent 时subagent 列表加载 ≤ 300ms|P0| |NFR-003|存储|DB 体积控制|500 session、平均 50 turn/session 2 subagent/session 时DB ≤ 500MBcontent 全量存储时需评估|P1| |NFR-004|兼容|上报格式兼容|沿用 opencode 的上报格式无需 agent 端改动|P0| |NFR-004a|兼容|本地文件格式兼容|opencode sessions.db 格式和 Claude Code JSONL 格式需与当前主流版本兼容格式变化时通过 adapter 层适配|P0| |NFR-005|可维护|代码目录隔离|所有代码仅在 cannbot-insight 目录下无外部代码依赖|P0|§4 设计决策分析4.1 为何选择 Turn 级独立建表传统方案将 per-turn 数据锁在 JSON blob 里全量解析才能回答细粒度问题。CANNBot-Insight 以 Turn 为一等公民建表每个 LLM turn / tool turn / skill load event / subagent dispatch 均独立成行支持直接索引和查询。4.2 关键改进点|维度|传统做法|CANNBot-Insight 方案|改进点| |-|-|-|-| |Turn 数据存储|JSON blob需全量解析|Turn 独立 DB 行可索引可查询|无需全量解析 JSON支持 per-turn 过滤和聚合| |Per-turn token|仅在 JSON blob 中|Turn 行含 input/output/reasoning/cache 五项|可直接查第3轮用了多少token| |Per-turn timing|timeInfo 在 JSON blob 中|Turn 行含 createdAt/completedAt/latencyMs/ttftMs|可直接查每轮耗时| |Subagent Execution|schema 有字段但从未写入|写入路径实际创建 subagent Execution Turn 行|每个 subagent 有独立聚合指标| |主↔子交互链路|隐含在 task() tool_call JSON 中|InteractionBridge 显式建桥|可直观查看 dispatch→response 全链路| |Cost 计算|读取时动态重算历史 cost 随 pricing 漂移|写入时定格存储|历史 cost 不漂移| |LLM 输入上下文|无独立存储|Turn 行存 inputMessagesJson count/tokens/pct|可直接查第5轮 LLM 收到了什么| |LLM 输出内容|存为 content 字段无分层|Turn 行存 contentJson contentSummary|默认折叠摘要按需展开全文|§5 验收方案5.1 验收准则|编号|关联能力|维度|描述|验收标准| |-|-|-|-|-| |AC-001|FR-001~FR-006|功能|Turn 行拆解|上传一个含 10 turn 的 session 后DB 中有 10 条 Turn 行每条含 token 五项分项、时间、role、agent_identity、content_ref| |AC-001a|FR-006a|功能|LLM 输入上下文存储|assistant turn 的 inputMessagesJson 非空且含完整消息序列inputMessagesCount/inputMessagesTokens 正确| |AC-001b|FR-006b|功能|LLM 输出内容存储|assistant turn 的 contentJson 非空且含完整响应contentSummary 为前 200 字截断| |AC-002|FR-007~FR-008|功能|Subagent 行拆解|上传一个含 2 subagent各 5 turn的 session 后DB 中有 2 条 subagent Execution 行 10 条 subagent Turn 行parentExecutionId 正确指向 root| |AC-003|FR-009|功能|交互链路建桥|上述 session 的 InteractionBridge 行正确映射 task() dispatch → subagent response| |AC-004|FR-010/FR-012|功能|UI 展示|Session 详情页正确显示 turn 时间线 subagent 卡片 交互链路图| |AC-004a|FR-013a/FR-013b|功能|上下文治理 UI|Turn 详情面板的上下文区和输出区默认折叠点击可展开查看 LLM 输入消息序列和完整输出每条输入消息可独立折叠| |AC-005|FR-014|功能|Subagent 独立视图|点击 subagent 卡片进入 subagent 详情页正确展示其 turn 列表| |AC-006|FR-004|功能|Skill 加载事件|含 skill load 的 session 上传后SkillEvent 行正确记录 skill_name/version/event_type/duration| |AC-007|NFR-001|性能|Turn 查询|100 turn session 的 Turn 列表加载 ≤ 500ms| |AC-008|NFR-002|性能|Subagent 查询|5 subagent session 的 subagent 列表加载 ≤ 300ms|5.2 测试用例|编号|关联准则|前置条件|操作步骤|预期结果| |-|-|-|-|-| |TC-001|AC-001|服务已启动|上传含 10 turn 的 session无 subagent|DB 10 条 Turn 行Session 详情页 10 个 turn 卡片| |TC-002|AC-002|服务已启动|上传含 1 root 2 subagent 的 session|DB 3 条 Execution 行1 root 2 sub 对应 Turn 行InteractionBridge 行正确| |TC-003|AC-003|同上|查看 InteractionBridge 行|task() dispatch 参数与 subagent 首轮内容正确对应| |TC-004|AC-006|服务已启动|上传含 skill load 的 session|SkillEvent 行含 skill_name/version/load/duration/success| |TC-005|AC-007|DB 含 100 turn session|打开 Session 详情页|Turn 列表 ≤ 500ms 加载| |TC-006|AC-004|同 TC-002|查看交互链路图|主→sub 连线正确标注 dispatch 参数和 response summary| |TC-007|AC-004a|含 assistant turn 的 session|打开 Turn 详情面板|上下文区默认折叠显示输入 5 条消息共 3000 tokens点击展开后逐条显示消息输出区默认折叠显示摘要点击展开后显示完整响应|5.3 交付物定义|交付物|描述| |-|-| |数据模型|Prisma schemaSession、Execution、Turn、ToolCall、SkillEvent、InteractionBridge、Content| |入库拆解逻辑|Upload route turn-splitter subagent-splitter bridge-builder inputMessages-reconstructor 服务函数| |API 路由|Session 列表/详情、Turn 列表/详情含 inputMessagesJson/contentJson、Subagent 详情、InteractionBridge 查询| |UI 页面|Session 列表页、Session 详情页Turn 时间线 Subagent 卡片 交互链路、Subagent 详情页、Turn 下钻面板含 LLM 上下文折叠展示 LLM 输出折叠展示|§6 附录6.1 数据格式参考Opencode sessions.db 中 RawInteraction 数据结构CANNBot-Insight 入库拆解的源数据格式interface RawInteraction { role: string; // user | assistant | subagent | system | opencode content: string | object; // 消息内容 timestamp: string; // ISO 8601 timeInfo?: { created: string; // 创建时间ms 精度 completed: string; // 完成时间ms 精度 }; agent?: string; // agent 名称 subagent_name?: string; // subagent 显示名 subagent_session_id?: string; // subagent 的 session ID tool_calls?: ToolCall[]; // 工具调用数组 usage?: { // per-interaction token 使用 total: number; input: number; output: number; reasoning: number; cache: { read: number; write: number }; }; model?: string; modelID?: string; providerID?: string; latency?: number; // 秒 finish_reason?: string; }每个 RawInteraction 即为 CANNBot-Insight 一个 Turn 行的源数据。tool_calls 内的 skill/load_skill/task 调用额外拆出 SkillEvent/InteractionBridge 行。【免费下载链接】cannbot-skillsCANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体本仓库为其提供可复用的 Skills 模块。项目地址: https://gitcode.com/cann/cannbot-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考