Erste Schritte

Zugriff auf SessionPilot

SessionPilot ist nach der Installation direkt im Browser erreichbar:

http://localhost:5055

Oder über die IP-Adresse bzw. den Hostnamen deines Servers im lokalen Netzwerk.

Was passiert beim ersten Start?

Beim ersten Aufruf führt SessionPilot automatisch folgende Schritte aus:

1. Projekt-Scan - Alle Verzeichnisse unter /mnt/projects/ werden gescannt und als Projekte erkannt
2. Typ-Erkennung - Jedes Projekt bekommt automatisch einen Typ (z.B. Node.js, Python, Monorepo) und Technologie-Tags
3. Metadaten-Erstellung - Für jedes Projekt wird eine project.json mit Schema-Version angelegt
4. Container-Status - Laufende Docker-Container werden erkannt und den Projekten zugeordnet

Session-Synchronisation

Claude Code Sessions werden automatisch aus den JSONL-Dateien importiert:

• Speicherort: ~/.claude/projects/ (Claude Code), weitere Pfade für Codex und Gemini
• Auto-Sync: Beim Öffnen der Sessions-Seite, maximal einmal pro Stunde
• Hash-Cache: Nur geänderte Dateien werden neu importiert - unveränderte Dateien verursachen null Datenbankzugriffe

Navigation

Die Sidebar ist in drei Hauptbereiche gegliedert:

Workspace

• Dashboard - Projekt-Übersicht mit Favoriten und Aktivitäts-Heatmap
• Sessions - Alle AI-Coding-Sessions mit Filter und Export
• Session-Analyse - Charts und Statistiken zu Kosten, Modellen und Outcomes
• Usage Monitor - Live Token-Verbrauch
• Usage Reports - Tages-, Wochen- und Monatsberichte
• Timesheets - AI-Arbeitszeiterfassung pro Projekt
• Modell-Vergleich - Qualitätsvergleich verschiedener AI-Modelle

DevOps

• Container - Docker-Container-Status und Health-Checks
• Dependencies - Projekt-Abhängigkeiten
• Scheduled Tasks - Geplante Aufgaben und RemoteTrigger
• Plans - Importierte Claude Plans
• Quality - Code-Qualität via Semgrep

Content

• News - Neuigkeiten und Updates
• Scaffold - Neues Projekt erstellen
• Vorlagen - Projekt-Templates
• Einstellungen - Konfiguration

Service-Verwaltung

SessionPilot läuft als systemd-Service. Die wichtigsten Befehle:

# Status prüfen
sudo systemctl status project-dashboard

# Service neu starten
sudo systemctl restart project-dashboard

# Service stoppen
sudo systemctl stop project-dashboard

# Logs anzeigen (live)
tail -f /mnt/projects/project_dashboard/dashboard.log

Docker-Alternative

Falls Docker bevorzugt wird:

# Starten
docker compose up -d

# Stoppen
docker compose down

# Logs
docker compose logs -f

Nächste Schritte

• Öffne die Sessions-Seite, um den ersten Import deiner AI-Sessions auszulösen
• Markiere häufig genutzte Projekte als Favoriten auf dem Dashboard
• Prüfe unter Container, ob alle Docker-Services laufen
• Schaue dir die Session-Analyse an für erste Einblicke in Kosten und Modell-Nutzung