随着AI编码代理如Claude Code的广泛应用，开发者生成的会话日志呈指数级增长。这些以.jsonl格式存在的原始记录包含了每一次交互的细节：token消耗、调用的工具、子智能体活动以及部署等高危操作。然而，大部分开发者面对这些结构化的JSON文件，往往只能“视而不见”。原因很简单：手动阅读大量日志既耗时又费力，难以快速提取关键洞察。

Her（हेर）正是在这一背景下诞生的工具。它不是另一个云端分析器，而是一款完全本地化的会话分析解决方案。用户上传Claude Code产出的.jsonl文件后，Her内置的Nemotron-Mini-4B-Instruct模型会在Hugging Face ZeroGPU上运行，用自然语言重构每一轮交互。这种“翻译”能力将冰冷的数据转化为可读的对话记录，让开发者能够快速理解会话的全貌。

Her的核心功能并非止步于回顾。它能够自动标记部署、配置变更、密码等高风险操作，并精准定位到具体的交互轮次。对于动辄数十轮甚至上百轮的长对话，这相当于为安全审计提供了一张“风险地图”。同时，Her详细展示token消耗、使用的CLI工具、子智能体、技能及MCP服务器信息，帮助开发者量化成本，识别资源浪费点。

与依赖第三方AI API的同类工具不同，Her的设计哲学偏重数据安全与确定性。其评估引擎是完全确定的，模型仅负责文本生成与改进建议。这意味着分析结果不受外部模型波动的影响，且敏感数据不出设备。结合Anthropic及社区的最佳实践，Her仅在发现明确可修复模式时给出优化建议，避免了无效噪音。

Her还内置了主流的CLI工具数据库，涵盖Homebrew、npm、PyPI等。上传的会话文件经过自动比对后，Her可以识别出会话中实际使用的CLI工具，并对如部署工具、数据库客户端等执行活动进行额外标记提醒。这一功能对于频繁进行生产操作的AI编码场景尤为实用。

最后，Ask Her问答功能支持单会话和跨会话项目两种分析模式。这让开发者不仅能追溯单次交互问题，还能跨会话洞察项目整体的操作模式与风险。从一个被忽略的JSON文件，到可交互的分析图谱，Her正在重新定义AI编码代理的审计与优化流程。