凌晨三点，你跟 AI 聊得热火朝天，它刚帮你写完一段绝世好代码。结果手一抖，终端崩了。对话记录？没了。代码？飞了。你？裂开了。
如果你有过这种经历，那这篇文章就是为你写的。
痛点：AI 对话的"阅后即焚"困境
用 OpenCode 这类 AI 编程助手久了，你会发现一个尴尬的问题：对话记录像金鱼的记忆一样短暂。
当然，OpenCode 本身是有会话管理的，但问题在于：
- 不够持久 —— 会话多了，旧的就被清理了
- 不够直观 —— 想回顾某次对话？祝你在一堆 session ID 里大海捞针
- 不够便携 —— 想把对话分享给同事或存档到知识库？没门
于是我决定造一个轮子：opencode-autosave-conversation。
设计理念：润物细无声
在动手之前，我给自己定了几条原则：
1. 零配置启动
安装完就能用，不需要用户填一堆配置项。毕竟，谁愿意为了"自动保存"这么简单的功能去研究配置文档呢？
2. 静默执行
插件在后台默默干活，不弹窗、不刷日志、不打扰用户。就像一个专业的速记员——你说话我记录，全程零存在感。
3. 输出要"人类可读"
保存的不是什么 JSON 数据库，而是格式优美的 Markdown 文件。直接用任何编辑器打开就能阅读，还能无缝接入你的笔记系统（Obsidian、Notion、语雀，随便你）。
核心功能一览
自动文件创建与命名
当你开始一段新对话，插件会自动在项目目录下创建 conversations 文件夹，然后按照这个格式命名文件：
YYYYMMDD-HH-MM-SS-话题.md
比如你问 AI "怎么修复这个该死的 bug"，就会生成：
20260129-02-30-45-怎么修复这个该死的bug.md
话题从你的第一条消息中自动提取，最多 30 个字符。简直就是电子版的"案发现场记录"。
智能防抖保存
采用 2 秒空闲检测机制：当你停止输入 2 秒后，插件就偷偷保存一次。
为什么是 2 秒？太短了会频繁写盘（SSD 表示不服），太长了又怕丢数据。2 秒是个甜蜜点。
图片独立存储
如果你在对话中发送了截图，插件不会把 base64 编码那一坨"乱码艺术"塞进 Markdown 里。
而是把图片单独存到 conversations/images/ 目录，Markdown 里只留一个优雅的引用：
强迫症狂喜。Git diff 也不会被一万行 base64 搞崩。
完整的工具调用记录
AI 助手用了什么工具、读了哪个文件、输入是什么、输出是什么——全部记录在案。
#### Tool: Read
**Status:** completed
**Input:**
```json
{
"filePath": "src/auth.ts"
}
```
**Output:**
```typescript
export function validateToken(token: string) {
// ...
}
```
这意味着你可以回溯 AI 的"思考过程"，就像看侦探片一样："原来它是这样一步步找到答案的！"
子会话内联
如果你的 AI 助手调用了子代理（subagent），这些子会话的内容也会被记录在主文件的 Child Sessions 章节里。一个文件看全貌，不用满世界找碎片。
技术实现
代码架构很简单，四个核心模块：
src/
├── index.ts # 插件入口，注册事件钩子
├── session-tracker.ts # 会话追踪器，管理会话生命周期
├── file-manager.ts # 文件管理器，负责读写文件
└── formatter.ts # 格式化器，把对话数据转成 Markdown
事件驱动架构
插件利用 OpenCode 的插件系统，监听三个关键事件：
| 事件 | 触发时机 | 处理逻辑 |
|---|---|---|
session.create | 新会话创建 | 初始化文件路径，准备写入 |
message.update | 消息更新 | 防抖 2 秒后保存到文件 |
session.delete | 会话结束 | 最终保存，清理追踪器 |
防抖实现
// 简化版防抖逻辑
const DEBOUNCE_MS = 2000;
let saveTimer: NodeJS.Timeout | null = null;
function scheduleSave(sessionId: string) {
if (saveTimer) clearTimeout(saveTimer);
saveTimer = setTimeout(() => {
saveSession(sessionId);
}, DEBOUNCE_MS);
}
Markdown 格式化
格式化器负责把 OpenCode 的消息对象转成人类可读的 Markdown。核心挑战是处理各种消息类型：
- 纯文本消息 → 直接输出
- 图片消息 → 提取 base64，保存为文件，返回引用链接
- 工具调用 → 格式化为代码块，保留输入输出
安装与使用
安装：
npm install -g opencode-autosave-conversation
配置：
在 opencode.json（项目级或 ~/.config/opencode/opencode.json）中添加：
{
"plugin": ["opencode-autosave-conversation"]
}
没了。就这两步。比泡面还快。
使用场景
场景一：知识沉淀
三个月后，你遇到一个似曾相识的问题。与其重新问一遍 AI，不如直接搜索你的对话记录库：
grep -r "JWT 认证" ./conversations/
省 token，省时间，省脑子。
场景二：学习复盘
想学习 AI 是怎么解决某类问题的？翻开历史记录，研究它的"思路"，比看教程生动多了。这是真正的 Learning by Observing AI。
场景三：团队协作
把 conversations/ 目录提交到 Git 仓库，同事就能看到你是怎么跟 AI 协作完成某个功能的。比写需求文档香多了。
场景四：甩锅现场
产品经理："这功能不是我要的啊！"
你："来，让我们看看 1 月 15 日的对话记录，第 47 行，你原话是……"
产品经理："……我先去接个电话。"
目录结构
最终生成的文件结构长这样：
your-project/
├── conversations/
│ ├── images/
│ │ ├── 20260129-10-30-45-实现认证-0.png
│ │ └── 20260129-10-30-45-实现认证-1.jpg
│ ├── 20260129-10-30-45-实现用户认证.md
│ └── 20260129-14-22-30-修复解析器bug.md
├── src/
└── ...
写在最后
这个项目的初衷很简单：让 AI 对话不再是一次性消耗品。
每一次与 AI 的深度交流，都是一次思维碰撞。这些碰撞的火花值得被记录下来，而不是随着会话关闭而消散。
项目已开源：github.com/learningpro…
如果你也有"对话丢失 PTSD"，不妨试试。
顺便，如果好用的话，给个 Star ⭐ 呗。毕竟，一个愿意帮你"记笔记"的工具，值得你的认可。
作者：Orange 首发于：2026 年 1 月
