你的 bash 历史出卖了你：bash-history-profiler 开发手记

上传你的 ~/.bash_history，它告诉你：你到底是消防员、架构师、摸鱼大师、包工头、偏执狂、数据侠，还是装包狂魔。

为什么要做这个

每个用命令行的人都有自己的"指纹"。有人满屏 kubectl，有人 grep | awk | sed 一管到底，有人 ls && cd && cat 三连装忙。这些习惯藏在 ~/.bash_history 里，几千条命令，自己从不回头看，但它们比任何自我评价都诚实。

我想做一个工具，把这段历史变成一面镜子——不是冷冰冰的统计报表，而是一张"人格画像"，带点毒舌，带点幽默，让你看完会心一笑，然后默默 history -c。

设计思路

1. 七种人格

核心创意是"人格画像"。我定义了七种开发者人格，每种对应一组关键词：

每种人格有一段毒舌描述。比如摸鱼大师：

你的终端里，ls、cd、cat、echo 四个命令占了半壁江山。打开终端 ✓，cd 到项目目录 ✓，ls 查看文件 ✓，cat 读一遍配置 ✓——一套流程下来，像极了认真工作的样子。其实你自己都知道：今天的有效产出，约等于零。但没关系，老板看到的是满屏的终端闪烁。

这些描述是手写的，不是 AI 生成的。每一段都反复改过，目标是"笑着认领"而不是"被冒犯"。

2. 评分机制

不是简单的关键词匹配计数。流程是：

def _score_personalities(entries):
    # 1. 统计每种人格关键词的命中次数
    # 2. 归一化到 0-100
    # 3. 取最高分作为主人格
    # 4. 置信度 = 主人格分数 / 第二人格分数 的比值

置信度决定描述语气：

• ≥ 80 分："人设非常稳固，名副其实"
• ≥ 55 分："画风逐渐清晰，粉墨登场"
• < 55 分："人格画像尚在演化中，继续折腾，迟早成型"

这样不会出现"你用了两次 git 就是包工头"的荒谬结论。

3. 危险操作检测

除了人格画像，还扫描高危操作：

DANGEROUS_OPS = {
    "rm -rf":     "☠️ 删库级操作",
    "kill -9":    "🔪 强杀进程",
    "chmod 777":  "🚪 全开权限",
    "mkfs":       "💥 格式化磁盘",
    ":(){ :|:& };:": "💣 fork 炸弹",
    "> /dev/sda": "🧨 直写裸设备",
    ...
}

每条都用正则匹配，不是简单的字符串包含。比如 rm -rf 的正则：

r"\brm\s+(-[a-z]*r[a-z]*f|-f[a-z]*r|--recursive[^;]*--force|--force[^;]*--recursive)"

这样能匹配 rm -rf、rm -fr、rm --recursive --force 等各种变体，但不会误报 rm file.txt。

检测到高危操作后，slogan 会加一句：

高危操作检出 13 次，建议给手上的服务器买好保险。

4. 命令分类

除了人格，还把命令分到七个大类：运维类、网络类、文件操作类、开发类、数据处理类、系统管理类、包管理类、安全类。每条命令属于哪类靠关键词表查，一个命令可以属于多类（比如 ssh 同时是运维类和网络类）。

分类统计让用户看到自己的"能力分布"——你是全面发展型还是偏科型。

5. 工作时间分析

如果 bash history 带时间戳（HISTTIMEFORMAT 开启的情况下），会分析你的命令在一天 24 小时的分布。凌晨三点还在 git push？工作日和周末的比例？这些数据比你自己记得清楚。

6. Web 界面

用 Flask 做了一个极简 Web 界面，三种输入方式：

1. 上传文件 — 直接上传 .bash_history 文件
2. 粘贴文本 — 复制粘贴命令历史
3. 本机分析 — 一键读取本机 ~/.bash_history（仅限本地运行）

上传上限 8MB——对 bash history 来说够用了，如果你历史超过 8MB，大概该考虑一下是不是该 history -c 了。

报告页面展示：人格画像卡片 + Top 20 命令 + 危险操作列表 + 分类统计 + 工作时间分布 + 毒舌 slogan。

技术选择

Flask 而不是纯 CLI：因为这个工具的受众是"想看看自己是什么人格"的开发者，Web 界面比 CLI 更有"测试"的感觉。上传文件、等一秒、出结果，体验更像一个小游戏。

只用一个依赖：requirements.txt 里只有 Flask>=2.0。分析引擎 analyzer.py 是纯 Python 标准库，不依赖 Flask。这意味着如果你想把它集成到别的地方，直接 import analyzer 就行。

正则而不是 shell 解析：命令解析用正则表达式提取命令名（第一个 token），不调用 bash 去解析。更快，也更安全——不会意外执行任何东西。

一些数字

• analyzer.py：约 420 行，包含 7 种人格定义、12 种危险操作检测、8 种命令分类
• app.py：30 行，Flask 路由 + 文件上传
• 依赖：1 个（Flask）
• 人格描述：手写 7 段，每段 3-4 句，总计约 500 字中文

反思

人格定义是最难的部分。不是技术上难，是"写得准"难。早期版本的"架构师"描述提到了 Kubernetes，后来发现很多运维人也用 kubectl，两 种人格会打架。最后通过关键词去重解决——kubectl 在两种人格里都出现，但架构师还额外有 terraform、helm、docker-compose，这些是运维人不太用的。

毒舌的度很难拿捏。写得太温和不好笑，写得太狠会冒犯人。最后的标准是：如果我自己看到这个描述会笑着认领，那就过关。比如"装包狂魔"的描述里有一句"而真正让你退休的，是那个你三年前装的依赖终于 CVE 爆发"——每个用过 npm 的人都会会心一笑。

正则匹配危险操作值得反复测试。rm -rf 的正则改了三版。第一版太宽松，rm readme.md 也报高危；第二版太严格，rm -rf /（多空格）漏了；第三版用 \s+ 匹配任意空白，才算稳定。

如果重来做的话，会加一个"人格演变"功能——按时间分段，展示"你去年是摸鱼大师，今年进化成了架构师"。不过这需要时间戳数据，很多用户的 bash history 不带时间戳，所以优先级不高。