日志

本文档由 AI 自动翻译。如有任何不准确之处，请参考 英文原版。

对话日志完整记录 AI 应用的每一次交互。借助它可以调试特定问题、了解用户行为模式，并收集反馈以持续改进。

​

记录内容

所有用户交互 通过 Web 应用或 API 进行的每次对话都会记录完整的输入/输出历史、时序数据和系统元数据。 用户反馈 点赞/点踩评级和用户评论会与它们所引用的对话一起被捕获。 系统上下文 使用的模型、token 消耗、响应时间以及处理过程中的任何错误或警告。 排除项：调试会话和提示词测试不包含在日志中。

​

使用日志控制台

从应用程序的导航菜单访问日志。界面显示：

• 对话时间线：用户交互的时间顺序列表
• 消息详情：包含 AI 响应的完整对话上下文
• 性能数据：每次交互的响应时间和 token 使用情况
• 用户反馈：来自用户和团队成员的评级和评论

​

使用日志进行调试

失败的交互 快速识别 AI 提供不佳响应、未能理解用户意图或遇到错误的对话。 性能问题 发现影响用户体验的慢响应、token 使用过高或系统错误。 用户旅程分析 跟踪个别用户的多次对话，了解使用模式和痛点。

​

反馈收集

用户评级 用户可以对 AI 响应提供点赞/点踩反馈。跟踪满意度趋势随时间的变化。 团队注释 团队成员可以直接在日志界面中添加内部注释和改进后的响应。 反馈分析 识别常见投诉模式、成功的交互类型和需要改进的领域。

​

日志保留

日志默认无限期保留。如需控制数据库增长，可启用定时清理，并通过工作流日志清理的环境变量设置保留窗口。完整的变量列表详见 工作流日志清理。 对于处理敏感数据的应用程序，可配置更短的保留期，或在适当时对日志做匿名化处理。

​

使用日志改进应用程序

模式识别 寻找你的应用程序处理不佳的重复用户问题。这些表明提示词改进或知识库更新的机会。 响应质量 使用反馈模式来识别哪些类型的响应效果良好，哪些需要完善。 性能优化 跟踪响应时间和 token 使用情况，以识别低效的提示词或模型配置。 内容空白 发现应用始终难以处理的问题类型，这些往往是知识库需要扩充的方向。

​

隐私考虑

日志包含完整的用户对话，可能包含敏感信息。实施适当的访问控制，并确保符合适用的数据保护法规。