nicknisi/sessions

сессии

Поиск и память во время сеансов кодирования ИИ. Один индекс по Claude Code, Codex, Pi и OpenCode — нечетко найдите и возобновите прошлые сессии от CLI, дайте агентам вспомнить о предыдущей работе через MCP и посмотрите, куда идут ваши токены.

Почему

Каждый сеанс кодирования ИИ оставляет за собой стенограмму. Claude Code хоронит их в T0, Codex и Pi имеют свои собственные макеты, OpenCode хранит все в базе данных SQLite — и все в них (что вы пробовали, что решили, что сломали) эффективно пишется только.

sessions создает полнотекстовый поисковый индекс по всему этому и делает эту историю полезной тремя способами:

Поиск и резюме (CLI) — нечетко найдите любую прошлую сессию на всех четырех инструментах, ранжированных по релевантности, и вернитесь назад. Агентная память (MCP) — агенты ищут вашу историю, извлекают репо-процедуру контекста, когда вы возвращаетесь к кодовой базе, и отвечают «что я сделал на прошлой неделе?» с помощью набора навыков. ** Отчеты об использовании** — панель инструментов, моделей и проектов.

##Установка

###Вашингтон

Или, эквивалентно:

Источник

Надпись на ней [[Т2]]. Требования Бун при строительстве из источника.

sessions

Search and memory across your AI coding sessions. One index over Claude Code, Codex, Pi, and OpenCode — fuzzy-find and resume past sessions from the CLI, give agents recall over prior work via MCP, and see where your tokens go.

Why

Every AI coding session leaves a transcript behind. Claude Code buries them in ~/.claude/projects/, Codex and Pi have their own layouts, OpenCode keeps everything in a SQLite database — and everything in them (what you tried, what you decided, what broke) is effectively write-only.

sessions builds a full-text search index over all of it and makes that history useful in three ways:

• Search & resume (CLI) — fuzzy-find any past session across all four tools, ranked by relevance, and jump back in.
• Agent memory (MCP) — agents search your history, pull a repo-scoped context primer when you return to a codebase, and answer “what did I do last week?” via bundled skills.
• Usage reports — a token/cost dashboard across tools, models, and projects.

Install

Homebrew

brew install nicknisi/formulae/sessions

Or, equivalently:

brew tap nicknisi/formulae
brew install sessions

From source

git clone https://github.com/nicknisi/sessions && cd sessions
bun install && bun run build

The compiled binary is at dist/sessions. Requires Bun when building from source. The Homebrew install is a standalone binary — no runtime needed.

Dependencies

• fzf (optional but recommended) — used for fuzzy selection. If fzf is not installed, a built-in numbered list selector is used as a fallback. Install with brew install fzf.
• Ollama (optional) — enables semantic recall (see below). If Ollama is not running, search stays purely lexical. Install from ollama.com.

Semantic recall

Search is lexical by default (full-text ranking over titles, paths, commands, and messages). When an embedding endpoint is available, sessions adds an optional semantic lane that fuses with — never replaces — the lexical results, so a paraphrase like “flaky tests” can surface a session about “intermittent CI failures”.