AI 应用需要记录哪些日志

为什么重要

AI 应用上线后，需要能回放问题、分析质量、定位成本。

核心原理

为什么要记录日志 AI 应用的问题常常不是简单异常，而是答案不稳定、上下文错误、模型拒答不当或成本异常。没有日志就无法定位。 建议记录 请求 ID 和用户来源。 模型名和参数。 输入 token、输出 token 和总成本估算。 检索 query、命中的文档 ID、chunk ID 和分数。 最终传给模型的上下文摘要或安全脱敏版本。 输出格式校验结果。 错误类型和重试次数。 注意隐私 日志应避免记录敏感个人信息。必要时做脱敏、截断和…

工程实现

• 先把概念落到输入、处理、输出和验证链路里。
• 用固定样例或日志验证改动效果，避免只凭一次演示判断质量。

展开说明

常见误区

• 只背术语，不说明工程取舍。
• 忽略评测、日志、成本和失败边界。

面试怎么说

AI 应用上线后，需要能回放问题、分析质量、定位成本。