deep-history

name	deep-history
description	Use when the user wants to view cross-session deep-work history — completed session list, TDD compliance rates, model usage (haiku/sonnet/opus/main), evaluator model usage, and aggregate trends. Triggers on `/deep-history`, `/deep-status --history`, "session history", "deep-work history", "세션 이력", "이전 세션", "TDD 준수율 트렌드". Scans `.deep-work/*/session-receipt.json` envelopes recursively, aggregates per-session stats, and displays trend indicators (recent-3 vs prior-3). Sub-page of the deep-status hub.
user-invocable	true

Invocation

이 스킬은 두 가지 경로로 호출됩니다 — 어느 쪽이든 본 SKILL 본문의 절차를 그대로 실행합니다:

1. Claude Code 슬래시 — 사용자가 /deep-history [args...] 입력 (skill 의 user-invocable: true 가 슬래시 진입을 허용).
2. 타 에이전트 / Codex / Copilot CLI / Gemini CLI / SDK — Skill({ skill: "deep-work:deep-history", args: "..." }) 형태로 명시 invoke (cross-platform 표준 경로).

두 경로 모두 args 는 동일한 토큰 문자열로 전달되며, 본문 ($ARGUMENTS 자리) 의 파서가 동일하게 처리합니다.

Inputs (skill args)

인자	의미
(없음)	Default — 전체 세션 이력 + aggregate stats

빈 args / 매칭되지 않는 토큰 → 본문의 default 분기로 진입.

Prerequisites

이 entry skill 은 deep-work-orchestrator (Phase dispatch) 및 deep-work-workflow (reference skill — Phase 규약/Exit Gate/M3 envelope) 와 함께 동작합니다. 활성 deep-work 세션이 있을 때는 세션 state file (.claude/deep-work.<SESSION_ID>.md) 의 변수 (work_dir, current_phase, active_slice 등) 를 읽어 동작하며, 세션 외부에서도 standalone 실행이 가능한 경우 본문의 분기를 따릅니다.

Hub-spoke 관계: 본 skill 은 deep-status hub 의 sub-page 입니다 — /deep-status --<flag> 가 본문 로직을 inline Read 하여 실행하는 것이 주 경로이며, 직접 호출도 동일하게 지원됩니다.

Cross-platform self-containment: Claude Code 에서는 sibling skill 이 description 매칭으로 자동 로드됩니다. Codex / Copilot CLI / Gemini CLI / Agent SDK 에서 Skill() 로 호출 시 sibling auto-load 보장이 약할 수 있으므로, 본문은 self-contained 으로 보존되어 있습니다 — state file 해석, $ARGUMENTS 파싱, AskUserQuestion 분기, 출력 포맷이 인라인.

Internal (v6.3.0) — /deep-status --history가 이 파일의 로직을 Read하여 실행합니다. 자동 호출이 주 경로이며, 직접 호출도 지원됩니다. 참조처: skills/deep-status/SKILL.md §7 (Read skills/deep-history/SKILL.md and follow its display logic inline).

Deep Work Session History (v4.1)

View historical session data across all completed Deep Work sessions.

Language

Detect the user's language from their messages or the Claude Code language setting. Output ALL user-facing messages in the detected language.

Instructions

1. Scan for session receipts

Search for session-receipt.json files in all deep-work output directories:

find . -path "*/.deep-work/*/session-receipt.json" -type f 2>/dev/null | sort -r

If no session receipts found:

ℹ️ 세션 이력이 없습니다.
   /deep-work로 세션을 시작하고 /deep-finish로 완료하면 이력이 기록됩니다.

Stop here.

2. Parse all session receipts

For each session-receipt.json, extract:

• session_id, task_description, started_at, finished_at
• outcome (merge/pr/keep/discard)
• slices.total, slices.completed
• tdd_compliance (strict/relaxed/override/spike/coaching counts)
• model_usage (haiku/sonnet/opus/main counts)
• evaluation.evaluator_model (haiku/sonnet/opus — the model used for plan/test evaluation)
• total_estimated_cost
• deep_work_version

3. Display session list

Deep Work Session History

┌────┬──────────────────────┬────────────┬────────┬──────────┬───────────┬───────────┐
│ #  │ Task                 │ Date       │ Slices │ Outcome  │ Model     │ Evaluator │
├────┼──────────────────────┼────────────┼────────┼──────────┼───────────┼───────────┤
│ 1  │ Add model routing    │ 2026-03-25 │ 4/4    │ PR #42   │ S1 H2 O1 │ sonnet    │
│ 2  │ Fix receipt bug      │ 2026-03-23 │ 2/2    │ merge    │ S2       │ haiku     │
│ 3  │ Worktree setup       │ 2026-03-20 │ 3/5    │ keep     │ S3       │ sonnet    │
└────┴──────────────────────┴────────────┴────────┴──────────┴───────────┴───────────┘

S=sonnet H=haiku O=opus M=main
Evaluator: evaluation.evaluator_model from session receipt (or "—" if not set)

4. Display aggregate statistics

Aggregate Stats (최근 [N]개 세션)

   TDD 준수율: strict [N]% | relaxed [N]% | override [N]% | spike [N]%
   모델 사용: haiku [N]회 | sonnet [N]회 | opus [N]회
   평가자 모델 사용: haiku [N]회 | sonnet [N]회 | opus [N]회
   완료율: [completed]/[total] 슬라이스 ([N]%)
   결과: merge [N] | PR [N] | keep [N] | discard [N]

If estimated_cost data is available:

   예상 비용: 총 $[N] (세션 평균 $[N])

5. Trend indicator

Compare the most recent 3 sessions to the 3 before that (if available):

트렌드 (최근 3 vs 이전 3)
   TDD strict 비율: [N]% → [N]% [↑/↓/→]
   완료율:          [N]% → [N]% [↑/↓/→]
   평균 슬라이스:    [N]개 → [N]개 [↑/↓/→]