用Trae编辑器写一个Trae的AI对话记录导出脚本

前言

最近在尝试使用字节出的 Trae AI编辑器，并且想根据对话记录写一些文章分享，但发现一条完整的对话记录这玩意跟 Cursor 一样，是没有办法导出的。靠截图？放在文章里用户体验极差！不成

契机

前两天找到一位佬写的 Cursor 记录导出插件 , 插件方面不太可能是通用的，但是思路嘛，还是可以借鉴的。

在插件的文档中，我发现了 Cursor 工作区的存储位置，这里面存储了所有的对话记录和其他信息。

由于我使用的是Macos，所以后面的演示都以 Macos 为例。当然，Windows 其实也可以按照同样的路径去找找看。

~/Library/Application Support/Cursor/User/workspaceStorage

我们将工作区位置路径中的 Cursor 替换成 Trae 试试看，能不能进去

cd Library/Application\ Support/Trae/User/workspaceStorage

没错，是可以进去的

通过 open . 打开文件夹

发现是一堆文件夹，不慌，点击最新修改的一个文件夹进去看看

分析

1.打开 workspace.json 文件看看，内容如下

{"folder": "file:///Users/peanut/Desktop/work/ai_all/trae_test"
}

只存了一个项目的路径，Pass

2.打开kiss开头的文件夹，发现里头是一堆图片，看了下是正在编辑的这篇文档中图片的缓存，Pass

3.那只有 state.vscdb 这个文件了，没见过这个文件格式，但猜测是 vscode 的数据库文件。

AI 介入

来，用 Trae AI 介入，问问看

注: 以下 AI 问答记录 就是基于 Trae AI 问答给出的 脚本 运行后导出的对话内容(听起来很绕是吧-_-)

和AI的详细对话内容 - 展开查看

用户 (2025/2/18 16:39:52)

你知道.vscdb格式文件吗？

---

助手 (2025/2/18 16:39:52)

是的，我了解 .vscdb 文件。这是 Visual Studio Code 使用的数据库文件格式，通常用于存储 VS Code 的各种状态和配置信息。具体来说：

1. 文件格式：

• 它是一个 SQLite 数据库文件
• 使用二进制格式存储
• 通常位于 VS Code 的用户数据目录中

2. 主要用途：

• 存储 VS Code 的状态信息
• 保存工作区历史记录
• 存储一些扩展的数据
• 缓存某些配置信息

3. 查看方式：

• 可以使用任何支持 SQLite 的数据库查看工具打开
• 常用工具包括：
  • SQLite Browser
  • DBeaver
  • VS Code 的 SQLite 扩展

4. 注意事项：

• 这些文件通常不需要手动修改
• VS Code 运行时会自动管理这些文件
• 如果文件损坏可能会影响 VS Code 的某些功能

如果你需要查看这类文件的内容，我建议使用 SQLite 浏览器工具，这样可以安全地查看而不会意外损坏文件。

---

用户 (2025/2/18 16:40:42)

如何解析.vscdb这个文件格式的内容为文本呢？

---

助手 (2025/2/18 16:40:42)

我可以帮你写一个 Python 脚本来解析 .vscdb 文件。这个脚本使用 SQLite3 模块来读取和显示文件内容。

import sqlite3
import jsondef parse_vscdb(file_path):try:# 连接到 SQLite 数据库conn = sqlite3.connect(file_path)cursor = conn.cursor()# 获取所有表名cursor.execute("SELECT name FROM sqlite_master WHERE type='table';")tables = cursor.fetchall()result = {}# 遍历每个表并获取内容for table in tables:table_name = table[0]cursor.execute(f"SELECT * FROM {table_name}")columns = [description[0] for description in cursor.description]rows = cursor.fetchall()# 将结果转换为字典格式table_data = []for row in rows:row_dict = {}for i, column in enumerate(columns):# 尝试解析 JSON 字符串if isinstance(row[i], str):try:row_dict[column] = json.loads(row[i])except json.JSONDecodeError:row_dict[column] = row[i]else:row_dict[column] = row[i]table_data.append(row_dict)result[table_name] = table_dataconn.close()return resultexcept sqlite3.Error as e:print(f"SQLite 错误: {e}")return Noneexcept Exception as e:print(f"发生错误: {e}")return Noneif __name__ == "__main__":# 使用示例vscdb_path = "你的.vscdb文件路径"  # 替换为实际的文件路径data = parse_vscdb(vscdb_path)if data:# 格式化输出结果for table_name, table_data in data.items():print(f"\n表名: {table_name}")print("-" * 50)for row in table_data:print(json.dumps(row, indent=2, ensure_ascii=False))print("-" * 50)

使用方法：

1. 将上面的代码保存为 Python 文件
2. 修改 vscdb_path 为你要解析的 .vscdb 文件的实际路径
3. 运行脚本

这个脚本会：

1. 连接到 .vscdb 文件
2. 获取所有表的内容
3. 尝试解析可能的 JSON 格式内容
4. 以易读的格式输出所有数据

如果你想要在命令行中直接运行，可以这样使用：

python parse_vscdb.py

注意事项：

1. 确保已安装 Python
2. 运行脚本时确保 .vscdb 文件没有被其他程序占用
3. 某些内容可能是二进制数据，会以原始格式显示
4. 建议在解析大文件时先备份原文件

如果你需要针对特定表或内容进行解析，可以根据需要修改代码，添加过滤条件或特定的解析逻辑。

---

用户 (2025/2/18 16:41:08)

用nodejs可以解析吗？

---

助手 (2025/2/18 16:41:08)

是的，我们可以使用 Node.js 来解析 .vscdb 文件。下面是一个使用 better-sqlite3 模块的实现：

首先需要安装依赖：

npm install better-sqlite3

然后这是解析脚本：

const Database = require('better-sqlite3');function parseVSCDB(filePath) {try {// 连接数据库const db = new Database(filePath, { readonly: true });// 获取所有表名const tables = db.prepare(`SELECT name FROM sqlite_master WHERE type='table'`).all();const result = {};// 遍历每个表并获取内容tables.forEach(table => {const tableName = table.name;const rows = db.prepare(`SELECT * FROM ${tableName}`).all();// 尝试解析每行中可能的 JSON 字符串const parsedRows = rows.map(row => {const parsedRow = {};Object.entries(row).forEach(([key, value]) => {if (typeof value === 'string') {try {parsedRow[key] = JSON.parse(value);} catch {parsedRow[key] = value;}} else {parsedRow[key] = value;}});return parsedRow;});result[tableName] = parsedRows;});// 关闭数据库连接db.close();return result;} catch (error) {console.error('解析错误:', error.message);return null;}
}// 使用示例
const vscdbPath = '你的.vscdb文件路径';  // 替换为实际的文件路径
const data = parseVSCDB(vscdbPath);if (data) {// 格式化输出结果Object.entries(data).forEach(([tableName, tableData]) => {console.log(`\n表名: ${tableName}`);console.log('-'.repeat(50));tableData.forEach(row => {console.log(JSON.stringify(row, null, 2));});console.log('-'.repeat(50));});
}

使用方法：

1. 保存上述代码为 .js 文件
2. 修改 vscdbPath 为你要解析的 .vscdb 文件的实际路径
3. 运行脚本：

node parse_vscdb.js

这个脚本的功能：

1. 使用 better-sqlite3 连接数据库文件
2. 获取所有表的内容
3. 尝试解析可能的 JSON 格式内容
4. 以易读的格式输出数据

优点：

1. 使用 better-sqlite3 模块，性能较好
2. 以只读模式打开文件，更安全
3. 支持异步操作
4. 自动处理 JSON 格式的内容

如果你需要针对特定表或内容进行解析，可以根据需要修改代码，添加过滤条件或特定的解析逻辑。

---

用户 (2025/2/18 16:52:12)

vscdb.js 将解析的内容写入一个json文件

---

助手 (2025/2/18 16:52:13)

我来帮你修改代码，添加将解析结果写入 JSON 文件的功能：

// ... existing code ...// 使用示例
const vscdbPath = './state.vscdb';
const data = parseVSCDB(vscdbPath);if (data) {// 格式化输出结果到控制台Object.entries(data).forEach(([tableName, tableData]) => {console.log(`\n表名: ${tableName}`);console.log('-'.repeat(50));tableData.forEach(row => {console.log(JSON.stringify(row, null, 2));});console.log('-'.repeat(50));});// 将结果写入 JSON 文件const fs = require('fs');const outputPath = './vscdb_output.json';try {fs.writeFileSync(outputPath,JSON.stringify(data, null, 2),'utf8');console.log(`数据已成功写入到 ${outputPath}`);} catch (err) {console.error('写入文件时发生错误:', err);}
}

主要修改说明：

1. 添加了 fs 模块的引入
2. 定义了输出文件路径 outputPath
3. 使用 writeFileSync 将解析后的数据写入 JSON 文件
4. 添加了错误处理和成功提示
5. JSON 数据使用 2 空格缩进格式化，便于阅读

运行脚本后，会在同目录下生成 vscdb_output.json 文件，包含所有解析的数据。

---

用户 (2025/2/18 16:57:44)

输出的文件是个json，我只想保留key为inputHistory和key为ChatStore的数据

---

助手 (2025/2/18 16:57:44)

我来帮你修改代码，只保留指定的数据。修改 vscdb.js 文件，添加数据过滤功能：

const Database = require('better-sqlite3');
const fs = require('fs');function parseVSCDB(filePath) {try {// 连接数据库const db = new Database(filePath, { readonly: true });// 获取所有表名const tables = db.prepare(`SELECT name FROM sqlite_master WHERE type='table'`).all();const result = {};// 遍历每个表并获取内容tables.forEach(table => {const tableName = table.name;const rows = db.prepare(`SELECT * FROM ${tableName}`).all();// 尝试解析每行中可能的 JSON 字符串const parsedRows = rows.map(row => {const parsedRow = {};Object.entries(row).forEach(([key, value]) => {if (typeof value === 'string') {try {parsedRow[key] = JSON.parse(value);} catch {parsedRow[key] = value;}} else {parsedRow[key] = value;}});return parsedRow;});result[tableName] = parsedRows;});// 关闭数据库连接db.close();// 过滤数据，只保留指定的 keyconst filteredData = {};Object.entries(result).forEach(([tableName, tableData]) => {tableData.forEach(row => {if (row.key === 'inputHistory' || row.key === 'ChatStore') {if (!filteredData[tableName]) {filteredData[tableName] = [];}filteredData[tableName].push(row);}});});return filteredData;} catch (error) {console.error('解析错误:', error.message);return null;}
}// 使用示例
const vscdbPath = './state.vscdb';  // 替换为实际的文件路径
const data = parseVSCDB(vscdbPath);if (data) {// 将过滤后的数据写入新的 JSON 文件try {fs.writeFileSync('filtered_vscdb_output.json',JSON.stringify(data, null, 2),'utf8');console.log('数据已成功写入到 filtered_vscdb_output.json');} catch (err) {console.error('写入文件时出错:', err);}
}

主要修改：

1. 添加了数据过滤逻辑，只保留 key 为 ‘inputHistory’ 和 ‘ChatStore’ 的数据
2. 输出文件名改为 filtered_vscdb_output.json，以区分原始输出
3. 优化了数据结构，只包含需要的内容

运行后，新生成的 JSON 文件将只包含你指定的两个 key 的数据。

---

用户 (2025/2/18 17:01:37)

key属性以memento/icube-ai-ng-chat-storage开头的也要的

---

助手 (2025/2/18 17:01:37)

好的，我来修改代码，让它过滤出 key 为 ‘inputHistory’、‘ChatStore’ 以及以 ‘memento/icube-ai-ng-chat-storage’ 开头的数据：

const Database = require('better-sqlite3');
const fs = require('fs');function parseVSCDB(filePath) {try {// 连接数据库const db = new Database(filePath, { readonly: true });// 获取所有表名const tables = db.prepare(`SELECT name FROM sqlite_master WHERE type='table'`).all();const result = {};// 遍历每个表并获取内容tables.forEach(table => {const tableName = table.name;const rows = db.prepare(`SELECT * FROM ${tableName}`).all();// 尝试解析每行中可能的 JSON 字符串const parsedRows = rows.map(row => {const parsedRow = {};Object.entries(row).forEach(([key, value]) => {if (typeof value === 'string') {try {parsedRow[key] = JSON.parse(value);} catch {parsedRow[key] = value;}} else {parsedRow[key] = value;}});return parsedRow;});result[tableName] = parsedRows;});// 关闭数据库连接db.close();// 过滤数据，只保留指定的 keyconst filteredData = {};Object.entries(result).forEach(([tableName, tableData]) => {tableData.forEach(row => {if (row.key === 'inputHistory' || row.key === 'ChatStore' || (typeof row.key === 'string' && row.key.startsWith('memento/icube-ai-ng-chat-storage'))) {if (!filteredData[tableName]) {filteredData[tableName] = [];}filteredData[tableName].push(row);}});});return filteredData;} catch (error) {console.error('解析错误:', error.message);return null;}
}// 使用示例
const vscdbPath = './state.vscdb';  // 替换为实际的文件路径
const data = parseVSCDB(vscdbPath);if (data) {// 将过滤后的数据写入新的 JSON 文件try {fs.writeFileSync('filtered_vscdb_output.json',JSON.stringify(data, null, 2),'utf8');console.log('数据已成功写入到 filtered_vscdb_output.json');} catch (err) {console.error('写入文件时出错:', err);}
}

主要修改：

1. 在过滤条件中添加了对 memento/icube-ai-ng-chat-storage 开头的 key 的判断
2. 使用 startsWith() 方法来检查字符串前缀
3. 添加了类型检查，确保 key 是字符串类型

运行后，新生成的 JSON 文件将包含：

• key 为 ‘inputHistory’ 的数据
• key 为 ‘ChatStore’ 的数据
• key 以 ‘memento/icube-ai-ng-chat-storage’ 开头的数据

---

用户 (2025/2/18 17:10:50)

filtered_vscdb_output.json再用nodejs写个脚本，解析对应的关系，将上一步解析出来的json文件的内容生成不同的markdown文件。名称用 parsedQuery命名即可。解析的内容是key以memento/icube-ai-ng-chat-storage开头的，value.list这个数组对象中的数据，每个对象生成一个markdown文件

---

助手 (2025/2/18 17:10:50)

我来帮你写一个 Node.js 脚本来处理这个需求：

const fs = require('fs');
const path = require('path');// 读取 JSON 文件
function parseVSCDBToMarkdown() {try {// 读取 JSON 文件const jsonData = JSON.parse(fs.readFileSync('./filtered_vscdb_output.json', 'utf8'));// 创建输出目录const outputDir = './chat_markdown';if (!fs.existsSync(outputDir)) {fs.mkdirSync(outputDir);}// 查找以 memento/icube-ai-ng-chat-storage 开头的项const chatData = jsonData.ItemTable.find(item => item.key.startsWith('memento/icube-ai-ng-chat-storage'));if (!chatData || !chatData.value || !chatData.value.list) {console.log('没有找到聊天数据');return;}// 处理每个会话chatData.value.list.forEach(session => {if (!session.messages || !session.messages.length) return;// 获取第一条用户消息作为文件名const firstUserMessage = session.messages.find(msg => msg.role === 'user' && msg.parsedQuery && msg.parsedQuery.length);if (!firstUserMessage) return;const fileName = firstUserMessage.parsedQuery[0].replace(/[<>:"/\\|?*]/g, '_') // 替换不合法的文件名字符.substring(0, 100) // 限制文件名长度+ '.md';let markdownContent = '';// 生成 Markdown 内容session.messages.forEach(msg => {if (msg.status === 'deleted') return; // 跳过已删除的消息const role = msg.role === 'user' ? '**用户**' : '**助手**';const timestamp = new Date(msg.timestamp).toLocaleString();markdownContent += `### ${role} (${timestamp})\n\n`;markdownContent += `${msg.content}\n\n`;// 如果有多媒体内容if (msg.multiMedia && msg.multiMedia.length) {markdownContent += '**多媒体内容：**\n';msg.multiMedia.forEach(media => {markdownContent += `- ${media}\n`;});markdownContent += '\n';}markdownContent += '---\n\n';});// 写入文件const filePath = path.join(outputDir, fileName);fs.writeFileSync(filePath, markdownContent, 'utf8');console.log(`已生成文件: ${fileName}`);});console.log('所有 Markdown 文件生成完成！');} catch (error) {console.error('处理过程中出错:', error);}
}// 执行转换
parseVSCDBToMarkdown();

使用方法：

1. 确保 filtered_vscdb_output.json 文件在同一目录下
2. 运行脚本：

node parse_chat_to_md.js

这个脚本会：

1. 创建一个 chat_markdown 目录
2. 查找以 memento/icube-ai-ng-chat-storage 开头的数据
3. 遍历其中的 list 数组
4. 为每个会话生成一个 Markdown 文件：
   • 使用第一条用户消息的 parsedQuery 作为文件名
   • 按时间顺序组织对话内容
   • 标记用户和助手的角色
   • 包含时间戳
   • 跳过已删除的消息
   • 处理可能的多媒体内容

生成的 Markdown 文件格式如下：

### **用户** (2024-02-19 10:30:00)问题内容---### **助手** (2024-02-19 10:30:01)回答内容---

注意事项：

1. 文件名会自动处理特殊字符，确保合法
2. 文件名长度限制为 100 字符
3. 自动跳过 status 为 deleted 的消息
4. 保留了消息的时间戳信息

---

用户 (2025/2/18 17:13:25)

vscdb.jsparse_chat_to_md.js能将这两个脚本文件整合成一个脚本吗

---

助手 (2025/2/18 17:13:25)

是的，我来帮你整合这两个脚本文件：

const Database = require('better-sqlite3');
const fs = require('fs');
const path = require('path');function parseVSCDB(filePath) {try {// 连接数据库const db = new Database(filePath, { readonly: true });// 获取所有表名const tables = db.prepare(`SELECT name FROM sqlite_master WHERE type='table'`).all();const result = {};// 遍历每个表并获取内容tables.forEach(table => {const tableName = table.name;const rows = db.prepare(`SELECT * FROM ${tableName}`).all();// 尝试解析每行中可能的 JSON 字符串const parsedRows = rows.map(row => {const parsedRow = {};Object.entries(row).forEach(([key, value]) => {if (typeof value === 'string') {try {parsedRow[key] = JSON.parse(value);} catch {parsedRow[key] = value;}} else {parsedRow[key] = value;}});return parsedRow;});result[tableName] = parsedRows;});// 关闭数据库连接db.close();// 过滤数据，只保留指定的 keyconst filteredData = {};Object.entries(result).forEach(([tableName, tableData]) => {tableData.forEach(row => {if (row.key === 'inputHistory' || row.key === 'ChatStore' || (typeof row.key === 'string' && row.key.startsWith('memento/icube-ai-ng-chat-storage'))) {if (!filteredData[tableName]) {filteredData[tableName] = [];}filteredData[tableName].push(row);}});});return filteredData;} catch (error) {console.error('解析错误:', error.message);return null;}
}function generateMarkdownFiles(jsonData) {try {// 创建输出目录const outputDir = './chat_markdown';if (!fs.existsSync(outputDir)) {fs.mkdirSync(outputDir);}// 查找以 memento/icube-ai-ng-chat-storage 开头的项const chatData = jsonData.ItemTable.find(item => item.key.startsWith('memento/icube-ai-ng-chat-storage'));if (!chatData || !chatData.value || !chatData.value.list) {console.log('没有找到聊天数据');return;}// 处理每个会话chatData.value.list.forEach(session => {if (!session.messages || !session.messages.length) return;// 获取第一条用户消息作为文件名const firstUserMessage = session.messages.find(msg => msg.role === 'user' && msg.parsedQuery && msg.parsedQuery.length);if (!firstUserMessage) return;const fileName = firstUserMessage.parsedQuery[0].replace(/[<>:"/\\|?*]/g, '_') // 替换不合法的文件名字符.substring(0, 100) // 限制文件名长度+ '.md';let markdownContent = '';// 生成 Markdown 内容session.messages.forEach(msg => {if (msg.status === 'deleted') return; // 跳过已删除的消息const role = msg.role === 'user' ? '**用户**' : '**助手**';const timestamp = new Date(msg.timestamp).toLocaleString();markdownContent += `### ${role} (${timestamp})\n\n`;markdownContent += `${msg.content}\n\n`;// 如果有多媒体内容if (msg.multiMedia && msg.multiMedia.length) {markdownContent += '**多媒体内容：**\n';msg.multiMedia.forEach(media => {markdownContent += `- ${media}\n`;});markdownContent += '\n';}markdownContent += '---\n\n';});// 写入文件const filePath = path.join(outputDir, fileName);fs.writeFileSync(filePath, markdownContent, 'utf8');console.log(`已生成文件: ${fileName}`);});console.log('所有 Markdown 文件生成完成！');} catch (error) {console.error('处理过程中出错:', error);}
}// 主函数
function main() {const vscdbPath = './state.vscdb';const data = parseVSCDB(vscdbPath);if (data) {// 将过滤后的数据写入 JSON 文件try {fs.writeFileSync('filtered_vscdb_output.json',JSON.stringify(data, null, 2),'utf8');console.log('数据已成功写入到 filtered_vscdb_output.json');// 直接使用解析后的数据生成 Markdown 文件generateMarkdownFiles(data);} catch (err) {console.error('处理过程中出错:', err);}}
}// 执行程序
main();

主要改动：

1. 将两个脚本合并为一个文件
2. 重构为三个主要函数：
   • parseVSCDB: 解析数据库文件
   • generateMarkdownFiles: 生成 Markdown 文件
   • main: 主函数，协调整个流程
3. 移除了中间 JSON 文件的读取步骤，直接使用内存中的数据
4. 保留了 JSON 文件的输出，以便查看和调试

使用方法：

node vscdb_parser.js

这个整合后的脚本会：

1. 解析 .vscdb 文件
2. 保存过滤后的 JSON 数据到文件
3. 直接使用解析后的数据生成 Markdown 文件
4. 全程只需要执行一次命令

---

运行脚本 导出 markdown 文件

看不下去的朋友别着急，我简单解读一下

首先我问 AI 后得知 它是一个 SQLite 数据库文件，使用二进制格式存储等巴拉巴拉

接下来，我询问如何解析为纯文本，它给出我一个 python脚本。貌似让大模型给你脚本的时候，如果不指定开发语言，它默认都是用 python 写的

那不行啊，咱是前端开发，让它换成 nodejs

后续再一步一步引导：写入json文件、打开json文件并分析数据格式、数据过滤、最终生成 markdown 文件

运行一下，完美导出！

完整的脚本我再给下面放一份，大家有兴趣的可以去试试。windows 同理找到 state.vscdb 文件即可

完整脚本 - 展开查看

const Database = require('better-sqlite3');
const fs = require('fs');
const path = require('path');function parseVSCDB(filePath) {try {// 连接数据库const db = new Database(filePath, { readonly: true });// 获取所有表名const tables = db.prepare(`SELECT name FROM sqlite_master WHERE type='table'`).all();const result = {};// 遍历每个表并获取内容tables.forEach(table => {const tableName = table.name;const rows = db.prepare(`SELECT * FROM ${tableName}`).all();// 尝试解析每行中可能的 JSON 字符串const parsedRows = rows.map(row => {const parsedRow = {};Object.entries(row).forEach(([key, value]) => {if (typeof value === 'string') {try {parsedRow[key] = JSON.parse(value);} catch {parsedRow[key] = value;}} else {parsedRow[key] = value;}});return parsedRow;});result[tableName] = parsedRows;});// 关闭数据库连接db.close();// 过滤数据，只保留指定的 keyconst filteredData = {};Object.entries(result).forEach(([tableName, tableData]) => {tableData.forEach(row => {if (row.key === 'inputHistory' || row.key === 'ChatStore' || (typeof row.key === 'string' && row.key.startsWith('memento/icube-ai-ng-chat-storage'))) {if (!filteredData[tableName]) {filteredData[tableName] = [];}filteredData[tableName].push(row);}});});return filteredData;} catch (error) {console.error('解析错误:', error.message);return null;}
}function generateMarkdownFiles(jsonData) {try {// 创建输出目录const outputDir = './chat_markdown';if (!fs.existsSync(outputDir)) {fs.mkdirSync(outputDir);}// 查找以 memento/icube-ai-ng-chat-storage 开头的项const chatData = jsonData.ItemTable.find(item => item.key.startsWith('memento/icube-ai-ng-chat-storage'));if (!chatData || !chatData.value || !chatData.value.list) {console.log('没有找到聊天数据');return;}// 处理每个会话chatData.value.list.forEach(session => {if (!session.messages || !session.messages.length) return;// 获取第一条用户消息作为文件名const firstUserMessage = session.messages.find(msg => msg.role === 'user' && msg.parsedQuery && msg.parsedQuery.length);if (!firstUserMessage) return;const fileName = firstUserMessage.parsedQuery[0].replace(/[<>:"/\\|?*]/g, '_') // 替换不合法的文件名字符.substring(0, 100) // 限制文件名长度+ '.md';let markdownContent = '';// 生成 Markdown 内容session.messages.forEach(msg => {if (msg.status === 'deleted') return; // 跳过已删除的消息const role = msg.role === 'user' ? '**用户**' : '**助手**';const timestamp = new Date(msg.timestamp).toLocaleString();markdownContent += `### ${role} (${timestamp})\n\n`;markdownContent += `${msg.content}\n\n`;// 如果有多媒体内容if (msg.multiMedia && msg.multiMedia.length) {markdownContent += '**多媒体内容：**\n';msg.multiMedia.forEach(media => {markdownContent += `- ${media}\n`;});markdownContent += '\n';}markdownContent += '---\n\n';});// 写入文件const filePath = path.join(outputDir, fileName);fs.writeFileSync(filePath, markdownContent, 'utf8');console.log(`已生成文件: ${fileName}`);});console.log('所有 Markdown 文件生成完成！');} catch (error) {console.error('处理过程中出错:', error);}
}// 主函数
function main() {const vscdbPath = './state.vscdb';const data = parseVSCDB(vscdbPath);if (data) {// 将过滤后的数据写入 JSON 文件try {fs.writeFileSync('filtered_vscdb_output.json',JSON.stringify(data, null, 2),'utf8');console.log('数据已成功写入到 filtered_vscdb_output.json');// 直接使用解析后的数据生成 Markdown 文件generateMarkdownFiles(data);} catch (err) {console.error('处理过程中出错:', err);}}
}// 执行程序
main();

总结

本文通过分析 Trae AI 编辑器的工作区存储机制，借鉴 Cursor 对话记录导出插件 的思路，实现了 Trae 编辑器的导出功能。

希望这个简单的实现能帮助到有相同需求的朋友，也期待未来 Trae 官方 原生支持对话导出功能。

好了，今天的分享就到这里了，这里是 极客密码，如果当前文章对你有帮助，欢迎点赞、收藏、关注。