sessionhub adalah alat untuk mengumpulkan dan mencari sesi Claude Code · Codex yang tersebar di beberapa mesin dalam satu tempat.
Saya berpindah-pindah antara desktop dan laptop, dan kadang juga mengembangkan di server. Saya sering bingung pekerjaan yang terasa seperti "rasanya pernah mengerjakan ini" ada di mesin yang mana. Sesi Claude Code dan Codex memang menumpuk sebagai JSONL di ~/.claude/projects dan ~/.codex/sessions pada masing-masing mesin, tetapi meski semua filenya ada, tidak bisa dicari; akhirnya saya harus SSH ke beberapa mesin dan mencarinya satu per satu.
Saat ingin mencari, gunakan kata kunci. Cari dengan sessionhub search "connection pool", lalu lihat percakapan saat itu dengan sessionhub raw <id>.
Yang paling nyaman saya pakai akhir-akhir ini adalah integrasi agen. Saat dipasang, skill ikut terinstal di Claude Code dan Codex, sehingga ketika saat bekerja muncul kebutuhan seperti "dulu ini saya lakukan bagaimana ya", agen akan mencari sesi terkait dan membawanya sebagai konteks.
# Claude Code
/sessionhub 저번에 커넥션 풀 터지던거 어떻게 고쳤더라
# Codex
$sessionhub 저번에 커넥션 풀 터지던거 어떻게 고쳤더라
Cara kerjanya sederhana. Jika Anda menetapkan satu mesin sebagai hub, sesi dari mesin lain dikumpulkan melalui SSH setiap 15 menit, dan ketika pencarian dilakukan dari mesin lain yang bukan hub, hub akan mencarikannya. Tidak perlu menyalin log berat ke sana-sini.
Ukurannya juga ringan. Saat saya membongkar log saya, 99,7% ternyata adalah data untuk mesin seperti pemanggilan tool, frame streaming, dan perhitungan token; percakapan yang benar-benar dicari ulang hanya sekitar 0,3%. Karena itu, sessionhub hanya mengekstrak percakapan, mengompresnya, lalu memasukkannya ke indeks. Dalam kasus saya, sumber asli sekitar ~10GB menyusut menjadi beberapa ratus MB. Seluruh data asli tetap berada di mesin asalnya, jadi jika diperlukan, tinggal dibuka saat itu juga.
Setelah instalasi, setup akan memandu konfigurasi hub hingga pemasangan skill.
uv tool install git+https://github.com/esc5221/sessionhub
sessionhub setup
Akhir-akhir ini ada banyak upaya menambahkan memori jangka panjang ke agen. Caranya adalah merangkum atau mengekstrak percakapan sebelumnya, menumpuknya di memori terpisah, lalu membuat sesi berikutnya merujuk ke sana. Saya juga menyukai pendekatan seperti ini, tetapi ada dua hal yang selalu mengganjal: begitu dirangkum, konteks aslinya sedikit demi sedikit terpangkas, dan memori yang terkumpul menjadi stale seiring waktu sehingga perlu terus dirawat, yang terasa merepotkan.
Karena itu, saya tidak membuat ringkasan terpisah; saya membiarkan sumber asli apa adanya dan, saat diperlukan, membuka kembali percakapan saat itu. Ini lebih dekat ke pendekatan compute-centric daripada memory-centric.
Saya juga penasaran apakah ada yang memecahkan masalah ini (memberikan konteks masa lalu kepada agen tanpa menjadi usang dan tanpa kehilangan informasi) dengan cara berbeda atau memiliki metode yang lebih baik. Saya akan berterima kasih jika Anda banyak berbagi pendapat di komentar.
Belum ada komentar.