agentao

Agentao Logging System

Overview

Agentao 自动记录所有与 LLM 的交互到日志文件，包括完整的请求和响应内容。

日志文件

默认位置: agentao.log（在运行目录）

记录内容

1. 请求信息 (Request)

每次发送给 LLM 的请求都会记录：

================================================================================
[req_1] LLM REQUEST
================================================================================
Model: claude-sonnet-4-5
Temperature: 0.7
Max Tokens: (if specified)

Messages (N total):

  Message 1 [system]:
    Content (XXX chars):
      You are Agentao, a helpful AI assistant...
      (完整的系统提示)

  Message 2 [user]:
    Content (XXX chars):
      用户的完整消息内容...
      (逐行记录，不截断)

  Message 3 [assistant]:
    Content (XXX chars):
      助手的回复...
    Tool Calls: 2
      Tool Call 1:
        Function: read_file
        ID: call_xxx
        Arguments (full):
          {
            "file_path": "example.py"
          }

  Message 4 [tool]:
    Tool: read_file
    Tool Call ID: call_xxx
    Result (XXX chars):
      文件的完整内容...
      (逐行记录，不截断)

Tools (N available):
  - read_file
  - write_file
  - (其他工具...)

2. 响应信息 (Response)

LLM 返回的响应也会完整记录：

================================================================================
[req_1] LLM RESPONSE
================================================================================
Model: claude-sonnet-4-5
Finish Reason: stop

Token Usage:
  Prompt Tokens: 1234
  Completion Tokens: 567
  Total Tokens: 1801

Assistant Response (XXX chars):
  助手的完整回复内容...
  (逐行记录，不截断)

Tool Calls (N):
  Tool: write_file
  ID: call_yyy
  Arguments:
    {
      "file_path": "output.txt",
      "content": "完整的文件内容..."
    }

================================================================================

日志特性

✅ 完整记录

• 不截断内容 - 记录完整的消息、工具参数和结果
• 逐行记录 - 每行独立记录，便于阅读
• JSON 格式化 - 工具参数自动格式化为易读的 JSON

✅ 详细信息

记录的详细信息包括：

1. 请求参数
   • 模型名称
   • 温度设置
   • 最大 token 数
   • 所有消息（system, user, assistant, tool）
   • 可用工具列表
2. 消息内容
   • 角色 (role)
   • 内容长度统计
   • 完整文本内容
   • 工具调用详情
   • 工具结果详情
3. 响应数据
   • 模型版本
   • 完成原因 (finish_reason)
   • Token 使用统计
   • 完整的助手回复
   • 工具调用请求

✅ 请求追踪

• 每个请求有唯一 ID (req_1, req_2, …)
• 请求和响应通过 ID 关联
• 请求计数器自动递增

使用方法

自动记录

日志功能默认开启，无需配置：

# 启动 Agentao
uv run python main.py

# 所有交互会自动记录到 agentao.log

查看日志

实时查看：

tail -f agentao.log

查看完整日志：

cat agentao.log

搜索特定内容：

grep "read_file" agentao.log
grep "ERROR" agentao.log
grep "req_5" agentao.log  # 查看特定请求

查看最近 N 行：

tail -n 100 agentao.log

自定义日志位置

在代码中可以指定日志文件位置：

from agentao.llm import LLMClient

client = LLMClient(
    api_key="your-key",
    model="claude-sonnet-4-5",
    log_file="custom_location.log"  # 自定义日志文件
)

日志格式

时间戳格式

2026-02-09 14:30:45 - agentao.llm - INFO - [req_1] LLM REQUEST

格式说明：

• 2026-02-09 14:30:45 - 时间戳
• agentao.llm - 日志来源
• INFO - 日志级别
• [req_1] - 请求 ID
• LLM REQUEST - 日志内容

分隔线

使用 = 字符作为分隔线（80 个字符宽）：

================================================================================
[req_1] LLM REQUEST
================================================================================

日志级别

• INFO - 正常的请求/响应记录
• ERROR - API 调用失败或异常

隐私和安全

⚠️ 注意事项

1. 敏感信息 - 日志包含完整的对话内容，可能包含敏感信息
2. API 密钥 - API 密钥不会记录到日志
3. 文件权限 - 确保日志文件权限设置正确
4. 定期清理 - 日志文件会持续增长，需要定期清理

建议

• 在 .gitignore 中忽略日志文件（已配置）
• 不要将日志文件提交到版本控制
• 定期归档或删除旧日志
• 在生产环境中考虑日志轮转

日志管理

清空日志

# 清空但保留文件
> agentao.log

# 或删除文件
rm agentao.log

归档日志

# 按日期归档
mv agentao.log agentao_$(date +%Y%m%d).log

# 压缩归档
gzip agentao_$(date +%Y%m%d).log

日志轮转

创建 logrotate 配置（Linux/macOS）：

# /etc/logrotate.d/agentao 或 ~/.logrotate.d/agentao
/path/to/agentao.log {
    daily
    rotate 7
    compress
    missingok
    notifempty
}

示例日志

完整对话示例

2026-02-09 14:30:45 - agentao.llm - INFO - LLMClient initialized with model: claude-sonnet-4-5
2026-02-09 14:30:50 - agentao.llm - INFO - ================================================================================
2026-02-09 14:30:50 - agentao.llm - INFO - [req_1] LLM REQUEST
2026-02-09 14:30:50 - agentao.llm - INFO - ================================================================================
2026-02-09 14:30:50 - agentao.llm - INFO - Model: claude-sonnet-4-5
2026-02-09 14:30:50 - agentao.llm - INFO - Temperature: 0.7
2026-02-09 14:30:50 - agentao.llm - INFO -
Messages (2 total):
2026-02-09 14:30:50 - agentao.llm - INFO -
  Message 1 [system]:
2026-02-09 14:30:50 - agentao.llm - INFO -     Content (245 chars):
2026-02-09 14:30:50 - agentao.llm - INFO -       You are Agentao, a helpful AI assistant with access to various tools and skills.
2026-02-09 14:30:50 - agentao.llm - INFO -
2026-02-09 14:30:50 - agentao.llm - INFO -       You can help users with:
2026-02-09 14:30:50 - agentao.llm - INFO -       - Reading, writing, and editing files
2026-02-09 14:30:50 - agentao.llm - INFO -       - Searching for files and text content
2026-02-09 14:30:50 - agentao.llm - INFO -       ...
2026-02-09 14:30:50 - agentao.llm - INFO -
  Message 2 [user]:
2026-02-09 14:30:50 - agentao.llm - INFO -     Content (25 chars):
2026-02-09 14:30:50 - agentao.llm - INFO -       Read the file main.py
2026-02-09 14:30:50 - agentao.llm - INFO -
Tools (13 available):
2026-02-09 14:30:50 - agentao.llm - INFO -   - read_file
2026-02-09 14:30:50 - agentao.llm - INFO -   - write_file
2026-02-09 14:30:50 - agentao.llm - INFO -   ...
2026-02-09 14:30:52 - agentao.llm - INFO - ================================================================================
2026-02-09 14:30:52 - agentao.llm - INFO - [req_1] LLM RESPONSE
2026-02-09 14:30:52 - agentao.llm - INFO - ================================================================================
2026-02-09 14:30:52 - agentao.llm - INFO - Model: claude-sonnet-4-5
2026-02-09 14:30:52 - agentao.llm - INFO - Finish Reason: tool_calls
2026-02-09 14:30:52 - agentao.llm - INFO -
Token Usage:
2026-02-09 14:30:52 - agentao.llm - INFO -   Prompt Tokens: 1234
2026-02-09 14:30:52 - agentao.llm - INFO -   Completion Tokens: 45
2026-02-09 14:30:52 - agentao.llm - INFO -   Total Tokens: 1279
2026-02-09 14:30:52 - agentao.llm - INFO -
Tool Calls (1):
2026-02-09 14:30:52 - agentao.llm - INFO -   Tool: read_file
2026-02-09 14:30:52 - agentao.llm - INFO -   ID: call_abc123
2026-02-09 14:30:52 - agentao.llm - INFO -   Arguments:
2026-02-09 14:30:52 - agentao.llm - INFO -     {
2026-02-09 14:30:52 - agentao.llm - INFO -       "file_path": "main.py"
2026-02-09 14:30:52 - agentao.llm - INFO -     }
2026-02-09 14:30:52 - agentao.llm - INFO - ================================================================================

调试技巧

查找错误

grep -n "ERROR" agentao.log

查看特定请求

grep -A 50 "req_5" agentao.log

统计 Token 使用

grep "Total Tokens" agentao.log | awk '{sum += $NF} END {print "Total:", sum}'

查看工具调用

grep -B 2 -A 5 "Tool Calls" agentao.log

配置选项

在初始化 Agentao 时，可以传递日志配置：

from agentao.agent import Agentao

agent = Agentao(
    api_key="your-key",
    model="claude-sonnet-4-5",
    # log_file 会传递给 LLMClient
)

故障排除

日志文件未创建

检查：

1. 当前目录的写入权限
2. 是否有足够的磁盘空间
3. 是否有其他进程占用文件

日志内容不完整

可能原因：

1. 程序异常退出
2. 缓冲区未刷新

解决方案：

• 正常退出程序（使用 exit 命令）
• Python 日志会自动刷新

日志文件过大

定期清理或使用日志轮转：

# 只保留最近 1000 行
tail -n 1000 agentao.log > agentao_temp.log
mv agentao_temp.log agentao.log

最佳实践

1. 定期检查 - 定期查看日志了解系统运行状况
2. 定期清理 - 避免日志文件过大占用磁盘
3. 安全存储 - 确保日志文件不被未授权访问
4. 分析 Token - 通过日志分析 API 使用情况
5. 调试工具调用 - 日志是调试工具问题的最佳资源

---

更新日期: 2026-02-09 功能状态: ✅ 已实现并测试 记录方式: 完整内容，不截断

This site is open source. Improve this page.