assaio

我是 Konrad，assaio 的作者。

assaio 其实源于一个相当自私的问题：

我真的把 AI 用好了吗？

我每天都用 AI 编程工具，在某个时刻我意识到，我其实并不清楚自己是否真的越来越擅长使用它们了。

我的提示写得有效吗？

我在不同的工作上用对了模型吗？

我在哪里浪费了 token 或陷入死循环？

AI 真的帮我交付了更多东西，还是只是让我感觉更快？

接着，同样的问题开始出现在团队层面。

我们为多个 AI 工具和订阅付费，但我想了解的不仅仅是大家有没有在用。我想知道 AI 究竟是如何影响我们实际交付软件的方式的：它在哪里有帮助，在哪里制造了摩擦，哪些工作流最有效，以及作为团队我们还能改进什么。

我找不到一个能给我想要的跨工具、保护隐私的视图的工具，所以我就开始为自己和团队做一个。

这就是 assaio 的由来。

assaio 会读取你机器上已经存储的 AI 编程会话日志，并将其转化为工程分析数据 —— 不会收集你的提示或源代码。

目前它支持：

• Claude Code

• OpenAI Codex CLI

• Gemini CLI

• GitHub Copilot CLI

• Cline

它可以帮助你了解以下这些事情：

📊 你在工具、项目和模型之间实际是怎么使用 AI 的

💸 你的 token 和钱都花在了哪里

🧠 某些模型是否更适合特定类型的工作

🔁 Agent 在哪里重试、返工或烧光上下文

📈 你的会话产出了多少 AI 生成的内容

🧭 你的使用情况如何随时间变化

👥 在不变成员工监控的前提下，团队整体的 AI 采纳情况是什么样的

目前内置了 19 项诊断，而且整个系统是可扩展的 —— 你可以用任何语言构建自己的解析器、指标和规则。

对于个人使用，所有东西都可以完全保留在本地：

无需账号、无遥测、无云依赖、不收集提示、不收集源代码。

对于团队来说，还有自托管服务器和共享分析功能。

我们已经发布了 14 个版本，但这个项目仍在快速演进。

我目前最感兴趣的方向，是超越使用分析，把以下环节串联起来：

AI 会话 → 代码变更 → 提交 → PR → 评审 → CI → 合并 → 存活率

因为我最终想知道的不仅仅是：

"我们用了多少 AI？"

而是想知道：

"它真的帮我们交付得更好吗？"

如果你也曾怀疑自己是否已经尽可能有效地使用了 Claude、Codex、Gemini 或其他编程 Agent —— 或者你正试图弄清楚 AI 在你的工程团队中究竟是如何被采纳的 —— 我非常希望你能试试 assaio。

我尤其希望能听到你对以下问题的反馈：

1. 你希望了解自己 AI 编程工作流中的什么信息？

2. 哪些指标或洞察能真正帮助你改进？

3. 接下来我们应该支持哪个 AI 编程工具？

感谢你的关注 ❤️

Konrad