用途：Session Archaeology 用于系统化挖掘和分析过去的智能体会话，提取可复用模式、识别反复出现的失败模式，并从运行历史中派生新技能。它把每次会话产生的完整记录（推理、工具调用、错误、纠正与最终结果）视为最有价值的训练信号，而非丢弃的数据。
主要能力：流程分三层——单次会话复盘、跨会话模式分析、趋势识别。工作流先将原始会话记录解析为结构化事件流，每个工具调用、模型响应、错误、人工介入都成为离散事件；再由模式分类器标记为成功模式、失败模式或中性模式；成功与失败模式进入验证，跨会话关联，超过频率阈值的模式被固化为正式技能或规则。实现包含会话记录解析器、模式提取引擎（按最小频率与最小置信度聚合工具序列）和错误分类体系（幻觉、工具误用、上下文丢失、范围蔓延、格式违规等类别及建议修复）。
使用方式：资料给出 Python 实现示例，包括 parse_session_transcript、PatternExtractor、MistakeTaxonomy 等类与函数，但未提供安装命令或 CLI 用法。适用场景包括：智能体质量停滞需要新优化信号、从真实执行数据派生新技能或规则、反复失败提示系统性问题、新人理解智能体行为模式、从真实会话记录构建回归测试集、模型版本迁移前对比行为。
限制与注意：资料未提供具体安装方式、收费与价格信息。最佳实践建议自动解析会话、优先关注失败模式、维护可搜索的错误分类库、要求模式至少出现 3 次再固化、跟踪模式随时间演变、从成功工具序列派生技能，并在跨团队分析前匿名化敏感内容。平台兼容性表列出 Claude Code、Cursor、Codex、Gemini CLI 均支持会话记录访问、自动解析、跨会话分析、模式提取与技能派生。