我构建了一个工具，可以将您的 Claude Code 会话转化为用于本地模型的微调数据。

如果你在使用 Claude Code，每一次会话都已经以 .jsonl 文件的形式存储在磁盘上，路径为 ~/.claude/projects/。这些会话包含真实的编码对话：多轮编辑、工具调用、推理痕迹。这些就是你已经在免费生成的训练数据。问题是这些格式不是任何微调框架所期望的。所以我构建了 claude_converter 来弥补这一差距。 它的功能： - 将 Claude Code 的 .jsonl 会话转换为 apply_chat_template() 可以直接使用的 messages 格式 - 输出与 TRL/SFTTrainer、Axolotl 和 LLaMA-Factory（sharegpt 格式）兼容 - 提供一个 clean_messages() 辅助函数，可在训练前去除 <tool_use>、<tool_result> 和 <thinking> 块 - 包含一个 inspect_session() CLI 风格函数，带有 token 计数和区块分解，让你在训练前了解数据情况 - 零依赖 快速示例： ```python import glob from datasets import Dataset from trl import SFTTrainer, SFTConfig from claude_converter import session_to_messages, clean_messages all_messages = [] for path in glob.glob("~/.claude/projects/*/.jsonl", recursive=True): msgs = clean_messages(session_to_messages(path)) if len(msgs) >= 2: all_messages.append({"messages": msgs}) dataset = Dataset.from_list(all_messages) ``` 值得提醒的一点：原始会话包含失败的尝试、重试和死胡同。不要盲目训练所有内容。请筛选出最终助手回合实际解决了问题的会话。 仓库：https://github.com/FredyRivera-dev/claude_converter 安装：uv pip install claude-converter 欢迎就格式或转换逻辑提问。