用途：分析 OpenCode 会话历史中的用户消息，找出用户引导 AI 编程助手时的主题、沟通模式与行为特征。
主要能力：从 OpenCode 数据库或旧版存储中提取主会话的用户消息，附带 session_id、标题、时间戳与文本；过滤过短消息；将结果分块为约 320k 字符的 JSONL 文件；通过并行子代理逐块分析，返回结构化 JSON 主题；最后合并相似主题、按出现频次排序并输出 Markdown 报告。
使用方式：先运行 ~/.agents/skills/opencode-conversation-analysis/scripts/extract.sh，脚本优先读取 ~/.local/share/opencode/opencode.db，旧版则回退到 ~/.local/share/opencode/storage/，输出到 /tmp/opencode-analysis/chunk_*.jsonl。随后为每个分块启动一个 general 子代理，提示其读取对应 JSONL 并识别主题，要求只返回含 themes 数组的 JSON。所有子代理并行运行，最后汇总去重、排序并挑选示例，以 Markdown 直接输出给用户。
适用场景：需要回顾用户如何给反馈、纠正错误、细化需求、偏好何种沟通风格或强调哪些技术方法时。
限制与注意：不要直接 cat 或读取分块文件，文件很大；应把路径交给子代理独立读取。可通过修改 extract.sh 中的 CHUNK_SIZE、MIN_TEXT_LEN 调整分块大小与消息过滤，移除 parent_id IS NULL 或 parentID 过滤可包含子代理会话，也可添加时间过滤。存储格式细节见 references/storage-format.md。