基于规则匹配的AI对话情绪分析工具：claude-code-swear-counter-编程阁

1. 项目概述：一个为AI开发者设计的“情绪分析器”

如果你和我一样，每天都在和Claude Code这样的AI编程助手“斗智斗勇”，那你一定有过这样的时刻：面对一段死活跑不通的代码，或者一个怎么解释都理解不了你意图的AI，一股无名火从心底升起，手指在键盘上敲出的回复，从“这里好像有点问题”逐渐演变成“这什么破玩意儿”。事后看着聊天记录，自己都觉得好笑又有点不好意思——我居然对一个人工智能发了这么多脾气？

claude-code-swear-counter这个项目，就是来帮你量化这种“人机关系紧张度”的。它本质上是一个轻量级的Node.js命令行工具，专门扫描你本地Claude Code项目目录下的对话日志，然后给你生成两份报告：一份统计你“骂”了Claude多少次，另一份统计Claude“讨好”了你多少次。通过这种略带戏谑的数据分析，它让你直观地看到自己与AI协作时的情绪波动模式，某种程度上，它也是一个有趣的开发者自我观察工具。

这个项目适合所有使用Claude Code的开发者，无论你是刚入门的新手，还是已经深度依赖AI编程的老手。通过它，你不仅能获得一个有趣的谈资，更能从一个独特的角度反思自己与工具交互的方式——是高效冷静的指令下达，还是充满情绪的“咆哮式编程”？接下来，我将带你深入这个项目的内部，看看它是如何工作的，我们能从中获得什么启发，以及如何将它玩出花样。

2. 核心原理与设计思路拆解

2.1 核心需求：从日志文件到情绪指标

这个工具的核心需求非常明确：解析非结构化的对话文本，并基于预定义的词库进行情感倾向分类统计。听起来简单，但拆解开来，涉及几个关键环节：

数据源定位：Claude Code作为桌面应用，必然会在本地存储对话历史。工具需要准确找到这个存储路径。在macOS或Linux系统上，这个路径通常是用户主目录下的隐藏文件夹~/.claude/projects/。这里存放着以项目或会话为单位的日志文件（可能是JSON、TXT或某种专有格式）。
文本提取与清洗：读取这些日志文件后，需要将其中属于“用户”和“助手”（Claude）的发言内容分离出来。这涉及到解析文件格式，过滤掉时间戳、元数据等非对话内容，只保留纯文本。
关键词模式匹配：这是核心的“情绪分析”环节。工具需要维护两个词库：
- 用户骂人词库：包含直接脏话（如f***, s***）、网络用语（如wtf, ffs）、以及表达强烈不满的词汇（如stupid, useless, broken, garbage）。
- AI讨好词库：包含Claude可能使用的道歉、奉承、过度认同的短语（如“I apologize”, “You're absolutely right”, “Great question!”, “That's a fantastic point”）。然后，它对分离后的文本进行扫描，统计这些关键词出现的频率。
结果聚合与可视化：将统计结果按照预设的“等级”（Tier）进行归类，并以一种直观、有趣的方式在终端中呈现出来，比如表格、ASCII艺术图表等。

项目的巧妙之处在于，它放弃了复杂的自然语言处理（NLP）和情感分析模型，转而采用基于规则的简单关键词匹配。这种设计选择带来了几个巨大优势：

零依赖：不需要引入庞大的NLP库（如TensorFlow.js、Natural），使得工具极其轻量，安装运行瞬间完成。
确定性高：规则明确，统计结果稳定可预期，不会因为模型的理解偏差而产生歧义。
性能极佳：在本地处理文本，匹配速度快，几乎无感知。
趣味性强：预设的“等级”名称（如“Gordon Ramsay Mode”、“Golden Retriever”）充满了程序员式的幽默，让原本枯燥的数据统计变得生动有趣。

2.2 架构设计：极简主义的胜利

从项目描述强调“Zero dependencies”和“raw ANSI escape codes”就能看出，作者崇尚极简主义。这种架构设计值得我们深入学习：

依赖管理：完全使用Node.js原生模块，如fs（文件系统）、path（路径处理）、readline（逐行读取）。这意味着用户只需要安装Node.js环境，无需npm install等待任何第三方包，真正实现了“开箱即用”。使用npx直接运行远程包，更是将便捷性做到了极致。
输出渲染：没有使用常见的终端美化库如chalk（颜色）、boxen（画框）、ora（加载动画）。而是直接使用ANSI转义码来设置文本颜色、样式，并用Unicode字符（如┌,─,┐,├,┤,└,┘）来手动绘制表格边框。这样做虽然增加了代码的复杂度，但消除了唯一的依赖风险，并且让工具在任何符合ANSI标准的终端里都能有一致的表现。
配置与词库：骂人词库和讨好词库很可能以数组的形式硬编码在源代码中。这种做法的好处是简单直接，修改词库需要改代码然后发布新版本。一个更灵活但稍复杂的改进版，可以将词库放在外部的JSON配置文件中，允许用户自定义。

注意：这种极简设计是一把双刃剑。优点是干净、透明、可控。缺点是功能扩展性受限（比如想加一个简单的进度条都会比较麻烦），并且需要开发者对终端底层编码有较好的理解。对于这样一个功能单一的小工具来说，利远大于弊。

2.3 文件解析策略猜测

项目没有明说日志格式，但我们可以根据经验进行合理推测。Claude Code的对话日志很可能是一种结构化的数据，例如：

JSON Lines格式：每行是一个独立的JSON对象，包含role（“user”或“assistant”）和content字段。
纯文本标记格式：用特定的分隔符或标记来区分发言者，例如[USER]和[ASSISTANT]。

工具的工作流大致如下：

// 伪代码示意 const logFiles = 遍历 ~/.claude/projects/ 目录下的所有日志文件; let userSwearCount = 0; let claudeFlatterCount = 0; for (const file of logFiles) { const content = 读取文件(file); const messages = 解析内容，分离出用户和Claude的发言数组; for (const msg of messages) { if (msg.role === 'user') { userSwearCount += 在msg.content中匹配用户骂人词库的次数; } else if (msg.role === 'assistant') { claudeFlatterCount += 在msg.content中匹配AI讨好词库的次数; } } } // 根据数量计算等级 const userTier = 根据userSwearCount匹配“Suspiciously Polite”到“Gordon Ramsay Mode”; const claudeTier = 根据claudeFlatterCount匹配“Stone Cold”到“Golden Retriever”; // 使用ANSI码和Unicode字符绘制终端输出 打印结果表格(userTier, claudeTier, userSwearCount, claudeFlatterCount);

3. 深入实操：安装、运行与结果解读

3.1 环境准备与一键运行

使用这个工具的门槛低到令人发指。你只需要确保两件事：

Node.js环境：版本需要在18或以上。你可以在终端输入node --version来检查。如果没有安装，去Node.js官网下载安装LTS版本即可。
Claude Code使用历史：你至少用Claude Code进行过一些对话，这样在~/.claude/projects/目录下才会有日志文件可供分析。

满足以上条件后，打开你的终端（如Terminal、iTerm2、Windows Terminal等），输入以下命令：

npx --yes claude-code-swear-counter@latest

命令拆解：

npx：Node.js自带的包执行器。它允许你不全局安装包，而是直接下载并运行远程npm包。
--yes：这是npx的一个参数，表示对任何提示（比如“是否确定安装？”）都自动回答“是”，实现完全非交互式运行。
claude-code-swear-counter@latest：指定要运行的npm包名及其版本（@latest表示最新的稳定版）。

按下回车后，你会看到终端开始联网下载这个工具包（通常只有几十KB），下载完成后立即执行。整个过程在几秒内完成，你就能看到分析结果了。

3.2 结果报告深度解读

运行后，你可能会看到类似下面的输出（以下为模拟示例）：

============================================== CLAUDE CODE SWEAR COUNTER ============================================== Analyzed 47 conversations from ~/.claude/projects/ YOUR SWEARING TIER: 🥊 **Eminem** Total swear words detected: 127 (That's about 2.7 swears per conversation. It's not anger, it's rhythm.) CLAUDE'S SYCOPHANCY TIER: 🐕 **Golden Retriever** Total flattery phrases detected: 89 (Claude would apologize for apologizing. And then compliment you about it.)

如何理解你的“等级”？

Suspiciously Polite / Oops：说明你情绪非常稳定，或者使用Claude Code的频率/深度还不够。可以尝试用它处理更复杂、更易出错的任务。
Eminem / Karen Mode：这可能是大多数中级开发者的常态。表明你与AI的互动频繁且深入，在调试和迭代过程中产生了足够的“摩擦”。这个区间其实代表了高效的使用——你在积极地纠正和指导AI。
Psycho / Gordon Ramsay Mode：嗯……也许你需要休息一下，或者思考一下是不是给AI的指令本身就不够清晰？过高的情绪输出可能意味着沟通效率有待优化。

如何理解Claude的“等级”？

Stone Cold / Straight Shooter：早期的Claude模型或某些配置下可能更“高冷”。这不一定不好，说明回复更简洁直接。
Smooth Operator / People Pleaser：这是Claude的常见人格，旨在提供友好、积极的协作体验。
Therapist Mode / Golden Retriever：如果你的“骂人等级”很高，Claude的“讨好等级”往往也会水涨船高。因为AI的安全机制和对话微调会倾向于在检测到用户负面情绪时，更多地使用道歉和安抚性语言。这形成了一个有趣的“你越骂，它越怂”的循环。

3.3 高级参数使用

工具提供了一些命令行参数来定制输出：

--breakdown：这是最有用的参数之一。它会列出检测到的每一个具体词汇或短语及其出现的次数。
```
npx --yes claude-code-swear-counter@latest --breakdown
```
输出会多出两个精美的ASCII表格，分别详细展示你常用的“骂人词汇”Top 10和Claude常用的“讨好话术”Top 10。这能让你精准地发现自己的“口头禅”和AI的“套路”。
--me或--claude：如果你只关心自己或只关心Claude的统计，可以使用这两个参数来过滤输出。
--json：这个参数对于想进一步处理数据的用户非常有用。它会以JSON格式输出原始数据，方便你集成到其他脚本或应用中。
```
npx --yes claude-code-swear-counter@latest --json > result.json
```
然后你就可以用jq或其他工具来解析result.json文件了。

4. 从娱乐工具到开发启示

4.1 技术实现启示

“够用就好”的哲学：在构建开发者工具时，不一定非要追求大而全的技术栈。精准定位需求（统计关键词），选择最简单可靠的技术方案（文件IO+字符串匹配），往往能打造出最受开发者欢迎的“锋利”工具。
终端用户体验：即使是一个小工具，良好的输出展示也至关重要。使用ANSI码和Box-drawing字符能极大提升专业感和趣味性。考虑颜色（红色表示警告/高数量，绿色表示良好）、符号（✅, ⚠️, 🔥）和进度指示，能让工具显得更精致。
零依赖的优势：对于旨在广泛传播和使用的CLI工具，将依赖项降到零可以避免无数环境冲突和安装问题，真正做到无障碍运行。这需要开发者对原生API更熟悉，但回报是工具的鲁棒性和用户体验显著提升。

4.2 对AI协作模式的反思

这个工具虽然以搞笑为主，但它像一面镜子，映照出我们与AI协作时的一些无意识行为模式：

情绪化反馈的有效性：我们对AI输出“垃圾”代码感到愤怒是人之常情。但冷静下来想，愤怒的措辞是否能更有效地让AI理解错误？还是清晰、具体、不带情绪的指令描述更有用？工具的数据可以促使我们向后者转变。
AI的“人格”塑造：Claude的“讨好”倾向是产品设计的结果。我们是否希望AI伙伴是一个永远说“是”的应声虫，还是一个能提出反对意见、进行辩论的思考伙伴？通过观察它的回应模式，我们可以更清醒地认识到当前AI交互设计的局限性。
调试过程的量化：骂人词的频率，或许可以粗糙地量化你在一个编程任务上遇到的挫折程度。结合时间戳分析（如果日志有的话），你甚至能找出一天中自己最容易烦躁的“低效时段”。

4.3 潜在的扩展方向

这个项目的概念有巨大的扩展潜力：

时间序列分析：不只是统计总数，而是按日期绘制你“骂人强度”的折线图。看看是不是在项目截止日期前曲线陡然上升？
情感趋势关联：将你的“情绪指数”与对话最终是否成功解决问题关联起来。是越骂越解决不了问题，还是发泄一下后思路更清晰了？（这需要定义“成功”的标准）
多AI平台支持：原理是通用的。可以开发支持GitHub Copilot、Cursor、Windsurf等其他AI编程助手日志分析的版本，甚至做一个统一的“AI搭档情绪压力计”。
实时反馈插件：正如项目提到的“MCP Server”构想，可以开发一个插件，在你输入情绪化词汇时给出温和的提示（比如“检测到可能无效的沟通词汇，建议尝试更具体的指令…”），充当一个实时的“沟通教练”。

5. 常见问题与排查技巧

在实际运行和使用这类工具时，你可能会遇到一些问题。以下是一些常见情况的排查思路：

5.1 运行报错：“找不到日志目录”或“没有数据”

症状：工具运行后立即退出，提示类似No conversation logs found at ~/.claude/projects/或分析结果为0。
排查步骤：
1. 确认Claude Code已安装并使用过：确保你确实在电脑上安装并登录了Claude Code，并且用它进行过对话。
2. 手动检查日志路径：打开终端，输入ls -la ~/.claude/projects/（Mac/Linux）或在文件管理器中导航到该目录。如果目录不存在或为空，说明Claude Code可能将日志存储在了其他位置，或者你的使用记录尚未生成/被清理。
3. 检查Claude Code版本：不同版本的Claude Code可能更改日志存储策略。尝试更新Claude Code到最新版。
4. 权限问题：极少数情况下，可能是目录读取权限不足。可以尝试用sudo运行（不推荐，有安全风险），或者检查目录权限。

5.2 统计结果与自我感觉严重不符

症状：你觉得你经常吐槽，但工具显示你是“Suspiciously Polite”；或者你觉得很客气，工具却判定为“Karen Mode”。
排查与理解：
1. 词库覆盖度：工具的骂人词库是预设的。你可能用了很多它词库里没有的、但充满怨念的表达，比如“我晕”、“这都行？”、“离谱”。这些没有被统计进去。你可以查看--breakdown的输出，确认它到底识别了哪些词。
2. 语言问题：当前工具很可能只针对英文词库。如果你主要用中文和Claude交流，那么所有的中文抱怨都不会被计入。这是工具的一个主要局限性。
3. 阈值理解：每个“等级”对应的数量阈值是作者主观设定的。你的“感觉”和工具的“量化”之间存在天然的差距。

5.3 对“讨好话术”的判定有争议

症状：你认为Claude一些中性的、鼓励性的表达（如“好的”、“让我们试试这个”）也被算作了“讨好”。
理解：这是基于规则系统的固有问题。工具的作者在定义“sycophancy”（谄媚）词库时，边界可能划得比较宽，将常见的礼貌性、积极性回复都包含了进去。这更多是为了娱乐效果和引发思考，并非严谨的学术分析。你可以通过--breakdown查看具体哪些短语被命中，来理解作者的判定逻辑。

5.4 想自定义词库或贡献新词

现状：目前工具是零依赖的二进制包，词库硬编码在源码中。普通用户无法直接修改。
参与方式：正如项目README所说，“PRs welcome”。如果你有想法，可以前往项目的GitHub仓库（通常是github.com/jithinolickal/claude-code-swear-counter），Fork项目，修改源码中的词库数组（比如在src/目录下找到swearWords.js和flatteryPhrases.js之类的文件），然后提交Pull Request。
本地开发：如果你想在本地修改并测试，可以克隆仓库，然后使用npm link或直接node index.js来运行你的修改版。

6. 安全、隐私与伦理考量

在使用此类工具时，有几点必须清醒认识：

隐私安全：这个工具需要读取你本地磁盘上的对话日志。尽管代码开源可供审查，且仅在本地运行，但原则上你是在将私人对话数据提供给一个第三方程序执行。务必只从官方npm渠道（npmjs.com）下载此类工具，避免运行来路不明的脚本。运行前，可以快速浏览其源码，确认它没有网络请求代码，不会将你的数据上传。
数据敏感性：你的Claude Code对话日志可能包含未提交的代码片段、项目思路、甚至API密钥等敏感信息。工具本身只进行文本匹配，不存储、不上传，风险较低。但养成良好的安全意识总是对的。
娱乐工具的定位：切勿将工具的统计结果作为严肃的心理学或工作效率评估依据。它只是一个启发思考、博君一笑的趣味程序。你与AI协作的真实效率，应由项目进度和代码质量来衡量，而非骂人次数。
健康的协作心态：工具揭示的模式或许能提醒我们，在与AI（乃至与真人同事）协作时，保持清晰、冷静、具体的沟通，远比情绪化的表达更有效。试着把“这代码真蠢”换成“这个函数在输入为null时没有处理边界情况，请添加校验”，你会发现协作体验和结果都会提升一个档次。

claude-code-swear-counter作为一个周末项目，完美地诠释了“小工具，大智慧”。它用极简的技术实现了一个有趣的概念，让我们在自嘲之余，也能停下来反思自己与日益智能的工具之间的互动关系。下次当你又要对Claude“爆发”时，也许可以先运行一下这个工具，看着那个可能又上升了一级的“头衔”，笑一笑，然后深吸一口气，敲下一行更清晰的指令。这，或许就是它最大的价值。