AI 调用日志设计

AI 调用日志的价值，不是多打一份访问记录，而是把一次 AI 结果背后的关键事实留住。没有这些事实，后面很多争议都只剩口水：为什么这次答错了、为什么这次更贵、为什么这个用户能触发这个能力。

所以日志不是附属品，它本身就是治理能力。

一次调用最少该留下什么

最小可用的日志，通常至少要能回答：

• 谁发起了这次调用。
• 调了哪个功能、哪个模型、哪个 Prompt 版本。
• 输入和输出大致是什么。
• 消耗了多少 token、用了多长时间。
• 成功了还是失败了，失败在哪一步。

只要缺掉其中几项，后面排查就会开始靠猜。

RAG 和 Agent 场景为什么更依赖日志

普通问答已经离不开日志，RAG 和 Agent 会更严重，因为它们多了更多中间层：

• 召回了哪些片段。
• 最终喂给模型的是哪几段。
• 调用了哪些工具。
• 中间状态怎样变化。

没有这些记录，很多“模型答错了”的判断其实根本站不住。

记录得越多越好吗

也不是。日志设计要同时考虑：

• 调试价值
• 成本
• 敏感信息风险

有些字段应该脱敏，有些只保留摘要，有些按采样记录。目标不是存一切，而是留下足够支撑成本、评估、审计和排查的证据。

一句话先记住

AI 调用日志不是为了留痕本身，而是为了让一次 AI 结果能被重新解释。

继续阅读

• 09-ai-agent-engineering/001-ai-engineering-overview.md
• 09-ai-agent-engineering/003-token-cost.md
• 04-rag/010-rag-evaluation.md