企业官网建设流程全解析

claude-fable-5-claude-code是一个开源的Claude Agent 轨迹数据集：它包含 55 个真实会话、8 个子代理（subagent）轨迹，合计17000+ 行 JSONL 格式的事件记录，完整还原了 claude-fable-5 模型在使用 Bash、Edit、Read 等工具时的思考、决策与执行过程，是蒸馏（distillation）和小模型 Agent 训练的优质原料。

本文带你逐行拆解这套 JSONL 轨迹的完整结构，看完你就能看懂每一行日志在说什么。

一、这是什么数据集？为什么值得研究

一句话概括：每个.jsonl文件 = 一次完整的 Claude 会话录音。

• 由两个团队合作收集、匿名化后的原始 Agent 轨迹（raw traces），MIT 协议开源
• 覆盖真实开发场景：建分支、写代码、修 UI、跑测试、调用 MCP 工具……
• 官方推荐用 teich 包把它转成 OpenAI 风格对话，用于蒸馏训练
• 文件头部的 YAML 元数据声明了标签：agent-traces、distillation、claude-fable-5等

项目说明与工具 schema 快照都在 README.md 里，README 中附有一份完整的Tool schema snapshot（工具 JSON Schema），列出了 Agent 能调用的全部 40+ 个工具及其参数结构，做训练预处理时非常有用。

二、文件组织：63 个 JSONL，一个文件就是一个会话 📂

打开仓库，你会看到三种文件：

主会话文件大小从 46 KB 到 6.5 MB 不等，对应短问答到超长开发任务；最大的单个 LFS 文件实际有 13.7 MB。

💡 小技巧：wc -l *.jsonl一行命令就能统计出 17237 行——每一行就是一条独立事件，这是 JSONL（JSON Lines）格式的核心约定。

三、JSONL 格式速览：一行 = 一个事件

JSONL 的规则很简单：每行是一个完整且独立的 JSON 对象，行与行之间没有依赖。这对流式处理极其友好——不用把 6 MB 的文件整个读进内存，逐行解析即可。

所有行的关键字段是type，它决定了这行事件的"角色"。我们对全部 17237 行做了统计，共有 12 种行类型：

下面按重要程度逐个拆解。

四、核心行类型逐行解析

1.assistant行：整个数据集的心脏 💓

这是最值钱的行，一条assistant行记录了 Agent 的一次完整响应。以一个真实样本（004c0d63-c96f-431d-8cf8-f78ca9367eb5.jsonl）为例，字段结构如下：

content 数组里有三种内容块，全库统计：

usage 字段是蒸馏时做成本/长度分析的好材料，包含input_tokens、cache_read_input_tokens、output_tokens等；stop_reason分布则是：tool_use6462 次（绝大多数回合都在干活）、end_turn340 次、stop_sequence56 次、max_tokens2 次。

2.user行：不只是"你说的话"

新手容易误解：user行并非只有用户打字的内容。它实际承担两种角色：

1. 真实用户输入：例如某会话开头的原话是"create a new branch feat/teich-studio and move us over there then build out teich studio end to end…"
2. 工具执行结果回填：Agent 执行了Bash命令后，命令输出会以user行的身份回灌给模型——这就是 Agent 循环（模型 → 工具 → 结果 → 模型）的关键一环

3. 元信息行：标题、模式与恢复点

• ai-title：系统给会话自动起的标题，如"Build teich studio browser UI and interactive mode"（55 个会话中有 52 个带有此字段）
• custom-title：用户手动修改后的标题
• mode/permission-mode：会话所处的模式与权限状态
• last-prompt：记录最后一条提示和leafUuid，用于中断后恢复会话
• bridge-session：带bridgeSessionId（如cse_016X…），是跨端/云端桥接会话的同步锚点

4. 系统级行：钩子、快照与排队

• system：系统事件。典型样本是stop_hook_summary——记录 Agent 停止时触发的 hook 数量、是否阻止了继续执行等
• attachment：记录延迟加载工具的增量变化（addedNames），比如中途挂载的CronCreate、mcp__Claude_Preview__preview_screenshot等 MCP 工具
• file-history-snapshot：文件编辑前的历史快照，Agent 改错了可以靠它回滚
• queue-operation：Agent 还在干活时，用户新发的消息先进队列（enqueue），干完再处理——真实产品里的"插话"机制

5. 子代理轨迹：agent-*.jsonl🕸️

主 Agent 通过Task工具派出子代理并行干活时，子代理的完整轨迹会单独存成一个agent-<agentId>.jsonl文件。识别标志：

• 每条记录的isSidechain: true（主会话是false）
• 多了agentId字段

本数据集含 8 个子代理文件，配合主文件中的Task/TaskCreate/TaskUpdate调用记录，可以完整还原"主脑 + 多工人"的协作过程。

五、真实数据画像：Agent 都在干什么 📊

对 17237 行做一次全量统计，得到一份生动的"Agent 工作画像"：

模型分布：claude-fable-56990 条，另有<synthetic>56 条（合成的占位消息，做数据清洗时建议过滤）。

工具调用 TOP 8：

可以看到：约 **80% 的工具调用集中在"命令行 + 文件读写"**上，这正是编码类 Agent 蒸馏最需要学会的能力。会话中cwd字段横跨 Windows / 跨团队机器，说明轨迹来源多样、场景真实。

六、如何把这份数据用起来？

路线一：蒸馏 / 微调训练

README 推荐用 teich 包，它能自动解析 JSONL、过滤掉触顶限制和模型切换等噪声，并内置这套轨迹所用工具的完整 schema：

pip install -U teich

teich extract claude --model fable-5

路线二：直接读日志做分析

只想研究轨迹本身的话，任意能解析 JSON 的语言逐行读取即可，核心逻辑就三步：按type分流 → 用parentUuid重建对话链 → 从assistant.message.content中提取thinking/tool_use/text。

七、新手快速上手：3 条命令开始探索 🚀

git clone https://gitcode.com/hf_mirrors/armand0e/claude-fable-5-claude-code

cd claude-fable-5-claude-code && wc -l *.jsonl

head -c 2000 06ec42c3-2184-40c5-b0ee-98c3235b4c4c.jsonl

建议从最小的 21576682-1c94-4e42-a9d2-0f9e0137ffa7.jsonl（仅 46 KB）读起，再挑战 6 MB 级的长会话；完整工具参数定义见 README.md 的 Tool schema snapshot 章节。

八、总结

理解了这套结构，你手中的 55 个会话就不再是黑盒日志，而是一条条可以逐帧回放、批量训练、深度复盘的Agent 行为轨迹。🎯