用Claude Code与Codex历史记录，生成像素艺术世界

如果有人告诉你，你写的每一行代码、用掉的每一个 token、甚至你放弃的每一个项目，有朝一日会变成一座漂浮在空中的岛屿——你会不会想看看自己的"数字王国"长什么样子？

开发者 Mikebouskila 在等自己的 AI agent 完成任务的那一个小时里，顺手做了这样一个东西，取名叫 Pelago。它读取你的 Claude Code 和 Codex 使用历史，把抽象的编程行为翻译成一个由浮空岛屿组成的像素世界。项目已开源（MIT 协议），一个 prompt 生成、单个 HTML 文件、100% 本地运行，不需要注册账号，不上传任何数据。

Pelago 到底做了什么？

Pelago 的核心逻辑非常朴素，却有一种奇妙的叙事感。它把你与 AI 编程工具之间的交互历史映射成一套岛屿生态系统：

• 每个项目对应一座岛屿：你有多少项目，天空中就漂着多少岛。
• token 消耗决定岛屿大小：用得越多，岛越大。
• session 数量转化为房屋：每一次会话在岛上盖起一栋房子。
• prompt 数量生长出树木：你输入的提示词越多，岛上的树越茂密。
• 被放弃的项目覆盖积雪：不再维护的项目会慢慢被雪盖住。作者自己说这句话"有点太准确了"。

除了岛屿本身，Pelago 还附带了几层趣味功能：可收集的遗物（relics）、类似 Spotify Wrapped 的年度回顾，以及一个根据你编程风格生成的人格称号。作者本人拿到的称号是 The Devoted Harbormaster（忠诚的港口管理员），他自嘲说这不过是"我把整个夏天都花在一个项目上"的委婉说法。

Token 到底是什么：在 AI 编程语境中，token 是模型处理文本的最小单位，大致相当于一个词或词的一部分。你给 AI 的每一条 prompt、它返回的每一段代码，都会被拆解成 token 来计费和计算上下文长度。因此 token 消耗量可以粗略地理解为你与 AI 协作的"工作量"——投入的 token 越多，通常意味着这个项目迭代得越频繁、规模越复杂。Pelago 用 token 决定岛屿大小，实际上是把这种抽象的计量单位转译成了可以一眼感知的物理尺度，这也是整个映射逻辑中最直观的一环。

为什么这个小项目值得留意

从表面看，Pelago 是一个周末项目，一个开发者等 agent 跑完任务时的消遣。但它触碰到了一个正在变得越来越普遍的需求：AI 编程正在产生大量看不见的数据，而这些数据承载着开发者真实的劳动轨迹。

过去开发者衡量自己的产出，靠的是 git commit、代码行数、issue 列表。而现在，越来越多的工作发生在与 AI 的对话中——那些 prompt、session、token 消耗，恰恰是传统工具完全无法捕捉的。Pelago 用一种游戏化的方式把这些"隐形劳动"可视化出来，既不严肃，也不无聊。

更实际的一点在于它的部署方式。一个 prompt 产出一个 HTML 文件，完全本地运行，没有后端服务，没有数据收集，没有登录环节。对于处理个人编程历史这种敏感数据的工具来说，本地优先不是加分项，而是基本门槛。配合 MIT 开源协议，任何人都可以自己审计代码或者改造它。

关于 Claude Code 和 Codex：这两者都是当前主流的 AI 编程助手形态。Claude Code 是 Anthropic 推出的命令行编程 agent，能在本地终端中读写文件、执行命令、完成多步开发任务；Codex 则源自 OpenAI 的模型谱系，既有面向开发者的 CLI 形态，也深度集成在 GitHub Copilot 等产品中。它们与早期"代码补全"工具的关键区别在于：用户不再是逐行接受建议，而是用自然语言下达任务，由 agent 自主规划并执行。这一过程中产生了大量传统版本控制工具无法记录的行为数据——prompt、session、token 消耗等，恰好构成了 Pelago 这类可视化项目的数据来源。

从工具到纪念碑

Pelago 这类项目反映的趋势，可能比它本身的功能更有意思。

AI 编程工具在过去一段时间里迅速普及，但围绕它们的"配套文化"才刚刚起步。我们已经有代码格式化工具、commit 可视化工具、贡献热力图，却还没有多少东西去呈现人与 AI 协作的过程。Pelago 用像素艺术和游戏化机制填补了这一小块空白，它的价值不在于效率提升，而在于让开发者用一种新的视角回看自己的行为模式——哪些项目投入最多、哪些被遗忘、自己的编程习惯是什么样。

作者在发布帖里说："Give it a try. I'd love to see what your world looks like." 这句话带着一点轻松的邀请意味。但如果你仔细想想，当一个人的编程历史变成一片有雪、有树、有房子的岛屿群，它其实已经不只是工具了，更像是一座关于这段时间里你做了什么的私人纪念碑。

如果你同时使用 Claude Code 和 Codex，不妨去 GitHub 上把 Pelago 拉下来跑一遍。也许你会发现自己那个"忠诚的港口管理员"称号，来得并不冤枉。

本地优先为何重要：Pelago 处理的是 Claude Code 和 Codex 的使用历史，这些数据包含你的项目名称、提问内容、代码片段，甚至可能夹带密钥或业务敏感信息。如果这类工具依赖云端后端，就意味着要把完整的编程行为轨迹上传给第三方。本地优先（local-first）的设计原则正是针对这一风险：所有数据只在你的机器上读取、计算和渲染，网络请求被彻底避免。对于个人开发者而言，这不仅是隐私上的保障，也意味着工具可以离线运行、不受服务下线影响。配合 MIT 开源协议，代码可被独立审计，进一步降低了信任成本。