无侵入监控和回放 Claude Code 会话执行过程

Apache SkyWalking AI Sessionizer 可以直接读取本机已有的 Claude Code 记录，将对话、工具调用和子 Agent 的执行过程关联起来，在浏览器中查看。接入时不需要在 Claude Code 中安装插件或修改配置，使用 Sessionizer 之前留下的历史记录也可以回放。

Series: AI x 可观测性（中文专题） (3 articles)

1
从模型输入到文件变更：追踪 AgentCore 上的 LangGraph Agent
2
无侵入监控和回放 Claude Code 会话执行过程 This article
3
采集云端会话，本地评估：用 Apache SkyWalking AI Sessionizer 分析 Amazon Bedrock AgentCore 上的 AI Agent

Wu Sheng

Published Oct 23, 2026

Last modified Oct 23, 2026

英文原文： Replay Claude Code Sessions Without Plugins or Configuration Changes ，发表于 2026 年 9 月 3 日。本文保留原文发表时的功能状态与使用方式。
Claude Code 完成一项耗时较长的任务后，怎样回头查看它的执行过程？你可能想重读对话，检查某次工具调用及其返回结果，或者确认子 Agent 完成了哪些工作。这些记录已经保存在本机，但一项任务如果持续数小时，期间调用了多个工具、压缩过上下文，还启动了子 Agent，相关内容就可能分散在许多文件中。
我们正在公开一个处于 pre-alpha 阶段的新项目： Apache SkyWalking AI Sessionizer 。它读取 Claude Code 已经写出的原生记录，将对话与工具、子 Agent 的活动关联起来，并提供本地回放页面，供你在浏览器中查看执行过程。不需要在 Claude Code 中安装插件或修改配置，开始使用 Sessionizer 之前留下的历史记录也可以直接查看。
回放能查看什么这里的回放，是根据会话留下的记录重建执行过程，供人查看。打开一段对话，可以阅读输入和回复，检查已经记录的工具请求与结果，并沿时间轴查看父 Agent 和子 Agent 的活动。它要解决的问题是：一项长时间运行的 Agent 任务结束后，人还能看懂其中发生了什么。
例如，Claude Code 将部分工作交给子 Agent 时，你可以查看父 Agent 发出的请求，进入子 Agent 独立的执行流，检查它记录下来的工作过程；如果原始记录提供了足够依据，还可以沿关联关系回到父 Agent。这样，对话内容和背后的执行活动就能放在一起查看。
需要区分的是，回放不会重新调用模型，也不会再次执行工具。Claude Code 的本地文件不会完整提供每次发给模型服务方的请求、系统指令、缓存标注、精确的计时边界或重试标识。Sessionizer 根据已有记录重建活动，并展示缺失的信息和无法确定的关联。对于记录中未公开的模型推理过程，它也无法还原。
目前，采集与组装流程已经实现，本地回放页面仍在开发中。静态导出和远程遥测集成属于后续工作。我们在 pre-alpha 阶段公开项目，希望开发者可以尽早试用，一起完善对话模型，以及如何依据原始记录建立关联的规则。
无需在 Claude Code 中安装或配置Sessionizer 直接读取已有的本地文件。不需要安装 Claude Code 插件、注册 Hook 脚本、通过额外的包装程序启动 Claude Code，也不需要调整环境或运行时配置。为了采集数据，你不必重新开启一个 Claude Code 会话，已经保留下来的历史记录就可以使用。
Sessionizer 自身作为独立程序运行。下面介绍如何从源码构建，并启动本地回放页面。
启动本地回放页面从源码构建需要 Go 1.27 或更高版本。克隆项目后，执行构建并启动：
Bash
git clone https://github.com/apache/skywalking-ai-sessionizer.git
cd skywalking-ai-sessionizer
make build
./bin/asz view
然后打开  http://127.0.0.1:8787 。 asz view  会启动页面，发现本机已有的 Claude Code 数据，在同一个进程内完成采集与解析，并按配置的周期持续刷新。
如果想单独检查采集过程，还可以使用以下两个命令。运行  asz view  之前不需要先执行它们：
Bash
./bin/asz sources          # 列出发现的会话和源文件
./bin/asz collect -once    # 采集一次当前本地记录，不启动界面
这些命令需要在仓库根目录下运行，以便 Sessionizer 读取项目附带的  asz.yaml 。默认配置已经能够发现已有的 Claude Code 数据并提供本地回放页面，无需修改配置。
﻿
图 1：对话列表汇总了各个 Claude Code 会话中的交互轮次（Talk）、步骤（Step）、执行流（Execution Stream）和片段（Segment）数量，以及活跃时间跨度和最近活动时间。
页面从对话和交互轮次开始，再展示背后的父 Agent 与子 Agent 执行流。阅读对话内容时，可以同时查看按时间轴展开的执行过程，包括模型调用、工具执行、Agent 活动、关联关系，以及建立这些关联所依据的来源记录。
﻿
图 2：一轮交互中的输入和输出，与父子执行流、来源记录查看面板，以及上下文、模型和工具活动的时间线放在一起展示。
将分散记录整理为会话对话记录很有用，但它并不能代表完整的执行过程。
Claude Code 可能将主对话记录、子 Agent 的对话记录及元数据、工作流日志、清单和脚本保存在不同位置。其中一部分可以直接作为对话阅读，另一部分描述工具执行、模型调用、任务委派或工作流状态。仅凭某一个文件，未必能确定这些内容之间的全部关系。
在组装之前，Claude Code 适配器会先把这些运行时特有的数据映射为统一的 Session Data 格式。每条记录都会保留所属的会话和执行流、原生标识与父级引用、调用和运行的关联键、工具及子 Agent 的关联键，以及稳定的来源位置。这样，记录所表达的含义就不再依赖某个运行时使用的具体文件格式。
根据原始记录建立关联组装过程按八个阶段依次进行，每个阶段先确定下一阶段所依赖的信息。同一条记录如果出现多次，只保留最先落地的一份。随后，将记录划分到相互独立的父 Agent 和子 Agent 执行流中；按消息 ID 将助手消息片段归并为模型调用；按工具调用标识（tool-use ID）关联工具请求和结果；再利用已有的 Agent 与运行标识，将 Agent 调用连接到子执行流。
只有记录中明确出现重置事件，才能开启一个新的上下文周期（Context Epoch）。Talk 和 Run 则根据触发事件与父级关系链构建，不能只因两条记录相邻，就认为它们属于同一组。采集周期划定了形成 Segment 的时间窗口。一个 Segment 可以关联这个周期中的多个 Talk，但不一定包含该周期采集到的全部 Talk。
整个过程都以记录实际落地的先后顺序为准，因为不同记录的时间戳可能出现倒退。
﻿
图 3：分散在不同位置的原生记录，经过有序且有据可查的组装，形成可以持久保存的对话。一个 Segment 关联同一采集周期中的多个 Talk，但不一定包含全部 Talk；尚未解析的记录，以及每次关联的质量，都会保留下来。
组装结果会区分数据归属和关联关系。每个节点最多只有一个包含它的父节点，层级依次为：
text
Session → Execution Stream → Context Epoch → Talk → Run → Step
跨执行流的活动和其他因果关联，则通过少量、具有明确类型的关系表达，例如  starts 、 reports 、 ends_with 、 follows 、 summarizes  和  in_segment 。每条关系都保留来源依据和关联质量。
Conversation 提供能够长期保留的对话链标识，Session 则保留数据来自哪个运行时会话的信息。父 Agent 和子 Agent 始终位于不同的 Execution Stream 中，子 Agent 的消息和工具调用不会复制到父执行流里。Segment 也不是另一个包含层级。它用于关联同一采集周期中的多个 Talk，并不意味着该周期中的所有 Talk 都属于这个 Segment。
一个 Segment 可以关联同一采集周期中的多个 Talk采集周期决定了形成 Segment 的时间窗口。图 4 展示了一个周期内采集到的四个 Talk。其中，Segment 3 关联了 Talk 12 和 Talk 13，Talk 11 与 Talk 14 则不在其中。图中进一步展开 Talk 12，展示这轮交互背后的 Agent 活动。
一轮交互中可以包含完整的 Agent 循环Talk 表示一次由 Agent 外部输入发起、可以供人阅读的交互。它不一定只包含一个问题和一个回答。工作进行期间，用户可能继续发送消息，Agent 也可能在工具调用之间输出进展；子 Agent 完成任务后的通知，还可能在原有 Talk 继续的同时，触发另一个 Run。
因此，一个 Run 对应一次 Agent 循环，而非单次模型调用。在一个 Run 内，模型回复可以请求调用工具，工具返回结果又可能触发下一次模型调用，任务委派则可以开启独立的子执行流。Sessionizer 会将一次工具请求及其结果合并为一个 Tool 步骤。子 Agent 的输出仍归属于子执行流，父执行流通过标明证据情况的关系与它关联，不会将这些输出直接纳入自身。
﻿
图 4：同一个采集周期包含四个 Talk，Segment 3 只关联其中两个。展开的 Talk 展示了一轮交互如何跨越多个父 Agent Run 和一个独立的子 Agent 执行流。实线、虚线以及未解决的关联，分别保留原始记录能够支持的确定程度。
这就是 sessionizing 所做的工作：将分散的运行时记录整理为连贯、可持久保存的会话，同时保留数据来源，以及每条关联是否能够确定。
完整的组装规则与对象定义，可以查看  Conversation Assembly  和  Unified Conversation Model 。
保留记录能够说明的范围一条清晰的时间线，容易让人觉得其中的关系都已经得到确认。但原始记录未必支持这样的判断。因此，Sessionizer 将证据质量作为数据本身的一部分保存。
每项信息都会标明状态：已观测且可回放、已观测但仅能用于报告、拟议中，或者不可用。关联关系也有自己的解析状态，例如精确匹配且唯一、精确匹配但存在歧义、基于强证据推断、尚未解析或存在冲突。如果一个标识同时匹配多个候选项，组装过程会保留这种歧义，不会自行选择一个看起来最方便的结果。
这些规则贯穿整个模型。会话标识不能根据用户名或时间戳接近程度猜测；父 Agent 和子 Agent 的执行流分别保留自身的连续性；来源中缺失的信息继续标为不可用，不能把估算结果当成事实。
因此，组装结果可以用于页面展示，也能作为一份组装完成并保存的会话数据，供后续的查看、导出、度量和评估使用。这些功能都能基于同一套记录，明确哪些活动确实被观测到了。
后续的三个方向目前的 Claude Code 适配提供了一条可以实际验证的数据路径。但项目的目标会继续扩展到本地查看之外，也会支持更多 Agent 运行时。后续主要有三个方向。
用统一的数据格式承接本地和远程采集本地记录的价值在于，不需要接入运行时，就能立即查看当前和历史会话。当需要跨机器、跨团队，或在受管理的环境中观测会话时，则需要远程采集。
我们希望这两种互补的采集方式最终使用同一套会话数据格式。无论对话来自本地文件，还是通过远程遥测组装，都应该保留相同的核心层级、来源规则、证据状态和执行边界。本地重建、可移植导出、远程接收和集中存储，不应各自重新定义同一种 Agent 行为。
这样，今天的本地查看就能逐步扩展为近实时监控，以及可以与他人分享的会话记录。先确定数据模型，后续再演进传输和展示方式，无需每次都重新定义会话。
从 Claude Code 扩展到 Codex 和 LangChain、LangGraph AgentClaude Code 适合作为起点，因为它已经留下了丰富的本地记录，也覆盖了许多需要认真处理的情况：长对话、工具调用、上下文变化、子 Agent、工作流，以及分散在多个文件中的活动。
我们计划继续探索 Codex，以及 LangChain、LangGraph 生态中 Agent 的适配。每种运行时都有自己的术语，也会提供不同类型的记录。适配器需要将它们映射到共同的对话结构，同时保留各运行时特有的事实。
目标是让不同 Agent 生态共享清晰的会话边界，并保留准确理解各自执行过程所需的信息，避免在统一格式时丢失这些差异。
在会话数据之上提供指标与分析看板会话数据采集并规范化之后，就可以从同一套结构中计算有用的指标，例如会话持续时间、模型和工具活动、可获取的 Token 用量、子 Agent 参与情况、错误，以及上下文不连续等行为信号。
指标分析和看板由此成为会话整理之后的一项额外能力。它们可以帮助使用者了解大量会话中的活动与趋势；进入具体会话后，又能保留排查所需的详细记录。随着数据基础逐步完善，还可以进一步支持完整会话评估，检查 Agent 对话的执行轨迹和最终结果，而不仅是给孤立的输入、输出打分。
这些看板和评估能力仍属于后续方向。当前首先要把会话数据本身整理可靠，让之后的分析有据可依。
为什么在这么早的阶段公开Sessionizer 中最重要的设计，涉及标识、连续性、因果关系、数据来源、隐私和不确定性。相比页面颜色或图表类型，这些决定会更早影响适配器和已存储的数据。一旦后续实现依赖了它们，再调整就会困难得多。
因此，我们选择在 pre-alpha 阶段公开项目，希望 Agent、可观测系统和评估工具的开发者一起检查模型，用真实会话测试 Claude Code 适配器，并指出我们尚未遇到的情况。现阶段尤其欢迎围绕数据结构、保护隐私的测试样本、确定性组装、证据状态判定规则，以及基于预期结果的回归测试（golden tests）参与贡献。
对项目方向有建议，或希望一起讨论，可以到  Apache SkyWalking Discussions  交流。源码和文档位于  Apache SkyWalking AI Sessionizer 仓库 。
可以先从本机一段已有的 Claude Code 会话开始，在本地回放页面里查看它留下的执行记录，并帮助我们逐步完善面向更多 Agent 的回放、监控和分析能力。