sctxx(Session ConTeXt eXtractor)是本地 CLI,把做完的编程智能体会话变成另一个智能体的热启动。仓库 handyutils/sctxx 为 Apache-2.0,创建于 2026-09-10,语言 Rust。2026-09-13 GitHub 显示 18 stars、13 forks。最新版 v0.3.0 发布于 2026-09-11。crates.io 同日列出 0.3.0、55 次下载。文档:handyutils.github.io/sctxx。它不是托管记忆产品。
若要从同一批日志看费用,对照 ccusage。若要宿主,对照 Claude Code。若要另一个智能体 CLI,对照 OpenCode。
核心功能
- 三个仓库:Claude Code
~/.claude/projects/,Codex CLI~/.codex/sessions/(含.jsonl.zst),Pi~/.pi/agent/sessions/v1 到 v3。 - 先做确定性:分支解析、文件/命令/错误台账、脱敏、预算和渲染都在 Rust。
--llm none写出完整产物,不调模型。 - 可选折叠:
--llm auto(默认)、cli:claude/cli:codex/cli:pi,或api:anthropic/api:openai/api:compat/<model>。README 写长会话用 API;订阅制 CLI 可能超时。 - 命令:
sctxx list、find、extract、expand、verify --strict、doctor、handoff last --to claude。 - 技能包装:
sctxx skill install教智能体何时调用。
局限:18 stars 和 55 次 crate 下载是早期热度,不是审计。302 MB 到 7.9 KB 是作者在 M1 Max 上的合成跑数,不是你的转录。README 里 103,757 事件会话上 CLI 后端撞上 600 秒超时;API 路径 1 分 37 秒跑完。加供应商等于写适配器。
适用场景
- 上下文顶满 时,从 Claude Code 交到 Codex 或 Pi,而不贴 300 MB jsonl。
- 比较智能体、要可验证且带出处的交接包,而不是模型写的一段话。
- 其实该用 ccusage 的人:只要 token 费用,不要续跑包。
定价
| 部分 | 价格 | 第一方页面,2026-09-13 |
|---|---|---|
| CLI | $0 | Apache-2.0。crates.io 0.3.0。约 18 stars。 |
--llm none | 无额外费用 | 无网络。 |
| API 折叠 | 你的密钥 | Anthropic、OpenAI,或任意 OpenAI 兼容 base URL。 |
快速开始
npm i -g sctxx或cargo install sctxx。sctxx doctor,再sctxx skill install。sctxx extract claude:last --out .sctxx/,或加--llm none。- 在下一个智能体里说:「用 sctxx 从 claude code 抽出会话 7c1e8f82,在这里接着干。」
常见问题
extract 必须调模型吗?
不必。--llm none 就是完整产物。模型只做语义判断。
直接粘贴转录不行吗?
这正是它要避开的事。302 MB 文件既贴不进去也没用。
会上传日志吗?
宣传路径读本地仓库。对私有会话做折叠前,先确认 api:* 的目的地。
替代方案
- ccusage:本地日志的用量和费用,不是交接。
- Claude Code:sctxx 读取的会话仓库。
- OpenCode:想手工换一个编程智能体 CLI。
使用技巧
- 花 API 折叠前先跑
sctxx extract --dry-run。 - 长会话优先
api:compat/<model>。README 里cli:codex在 600 秒超时。 - 在新仓库信任交接包前跑
sctxx verify .sctxx/ --strict。
总结
sctxx 适合把编程智能体会话挪到另一个工具,而不贴 jsonl。从 仓库 安装,再决定 --llm none 是否已经够用。
评论
还没有评论。成为第一个评论的人!
相关工具
Waku 是 egoist(ChatWise 作者)打造的 macOS 原生应用,用 Rust + GPUI 把 Claude Code、Codex、OpenCode 等本地编程智能体统一进一个窗口。
相关洞察
7 款 AI 编程 CLI 用了半年,我悟出一个道理:模型再强,干活也要有监督
Claude Code、Codex、opencode、pi、omp、DeepSeek Harness 各有性格。半年深度使用后我总结出一套分工矩阵:pi 做最省事的 CR、omp 审复杂 PR、DeepSeek Harness 配 V4 Flash 高频低成本审查、Claude Code 与 Qoder 写代码。模型再强,干活也要有监督,而且最好是独立第三方。
锁死 Codex 的不是模型,是选择器
你已经为 OpenCode Go、Grok、Z.ai 付过钱了,但 Codex 的 picker 默认只露出 GPT。社区项目 codex-router 做的不是再教一遍安装步骤,而是把已经买过的模型能力接回选择器:密钥不出本机,原生 GPT 也不动。
Windows 上把 OpenCode Go 接进 Codex,别再新开一套工具
ChatGPT 登录的 Codex 桌面版,默认选择器几乎只露出 GPT。Windows 上只开 OpenCode Go 这一家,就能把已经付过钱的 Grok、GLM、Kimi、DeepSeek、MiniMax 接回同一个 picker。密钥不出本机,原生 GPT 也不动。