跳转到主要内容
⚠️ 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。
对话日志提供对AI应用程序每次交互的详细可见性。使用它们来调试特定问题、了解用户行为模式，并收集反馈以实现持续改进。

​
记录内容

所有用户交互 通过你的Web应用程序或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、标记数消耗、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标记数使用情况
  • 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、高标记数使用或系统错误。 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。

​
数据保留

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。
  • Sandbox：日志保留 30 天。
  • Professional & Team：在订阅期内，日志无限期保留。
  • 自托管：默认无限期保留；可通过环境变量 WORKFLOW_LOG_CLEANUP_ENABLED、WORKFLOW_LOG_RETENTION_DAYS 和 WORKFLOW_LOG_CLEANUP_BATCH_SIZE 配置日志保留策略。

​
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 跟踪响应时间和标记数使用情况，以识别低效的提示词或模型配置。 内容空白 发现你的应用程序持续苦苦挣扎的主题或问题类型，表明知识库扩展的领域。

​
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。 对于处理敏感数据的应用程序，考虑配置更短的保留期，或在适当的情况下实施日志匿名化。