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
确保你的应用程序符合当地数据隐私法规。发布隐私政策并在需要时获得用户同意。
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。
