用途：分析 Claude Code 对话历史，找出使用模式、常见错误和工作流改进机会。适用于用户想“分析我的对话”“回顾 Claude Code 历史”“看看我的使用模式”“如何改进工作流”“我是否高效使用 Claude Code”等场景。
主要能力：统计请求类型分布（bug 修复、功能新增、重构、信息查询、测试、其他）；识别最活跃项目及项目特定模式；分析一天中各时段的使用分布与高效时段；发现常见错误，包括模糊请求导致反复沟通、重复修复同一问题、未规划的多步骤复杂任务、可自动化的重复命令；分析错误关键词与反复出现的问题；识别重复的完全相同请求，建议用技能、斜杠命令或脚本自动化。
使用方式：默认分析最近 200 条对话。技能会读取 ~/.claude/history.jsonl，可写入分析报告，并通过 Bash 执行 Python 分析脚本，或直接以程序方式解析 JSON。脚本位于 scripts/analyze_history.py，在技能内随用户请求自动运行；也可独立运行：cd ~/.claude/plugins/*/productivity-skills/conversation-analyzer/scripts 然后 python3 analyze_history.py。输出 conversation_analysis.txt（详细模式分析）和 recommendations.txt（具体改进建议）。
输出内容：结构化报告，包含统计（请求类型、活跃项目、时间模式）、模式（常见任务、重复命令、复杂度指标）、问题（带示例的具体问题）、建议（按优先级排序的可执行改进）。示例：分析最近 200 条对话，60% 通用任务、15% bug 修复、13% 功能新增；项目 ultramerge 占 58% 活动；同一测试修复请求出现 8 次；19 个多步骤请求未做规划；高效时段 13:00-15:00。建议包括对反复测试失败使用 test-fixing 技能、为 ultramerge 创建项目专用工具、对复杂请求使用 feature-planning 技能、添加测试防止重复 bug、把复杂工作安排在高效时段。
集成：可与 feature-planning（实施改进）、test-fixing（处理反复测试失败）、git-pushing（提交工作流改进）配合。
限制：默认仅分析最近 200 条对话；依赖本地 ~/.claude/history.jsonl 文件；隐私方面所有分析均在本地完成，对话历史不会离开用户机器。其他平台支持、收费与价格信息暂未提供。