#7. 日志与监测

#功能介绍

Dify 为每个应用提供了完善的日志记录和性能监测功能，帮助开发者了解应用的实际运行情况，发现问题并持续优化。日志功能记录了最终用户与 AI 应用之间的每一次交互详情，包括用户输入、AI 输出、使用的模型、消耗的 token 数量等信息。监测功能则提供了更宏观的统计数据，如消息量趋势、活跃用户数、费用消耗、平均调用次数等。

日志页面支持按时间范围筛选（如过去 7 天）、按状态筛选、以及关键词搜索。对于 Chatflow 和聊天助手类型的应用，还支持「标注」功能——你可以对 AI 的回复进行人工标注（标记为好/不好），这些标注数据可以用于后续的模型微调和提示词优化。

#使用方法

查看日志

进入要查看的应用，点击左侧边栏的「日志与标注」。

使用顶部的筛选器选择时间范围和状态。

点击具体的日志条目查看详细信息。

查看监测数据

进入应用后点击左侧边栏的「监测」。

可以按时间范围查看各项指标的趋势图表。

#监测指标说明

#使用技巧

• 定期查看日志可以发现用户的高频问题和 AI 回答不佳的情况，作为优化提示词的依据。
• 利用标注功能对 AI 的回答质量进行人工评估，积累的标注数据可以用于构建评测集。
• 监测数据可以帮助你了解应用的使用趋势，为容量规划和成本控制提供依据。
• 如果需要更深入的监控和分析，Dify 支持集成 Langfuse、Opik、Arize Phoenix 等外部可观测性平台。
• 建议关注"费用消耗"指标，及时发现异常的 token 消耗。

#示例

示例一：发现高频失败问题

操作：在日志中筛选"失败"状态的记录
发现：大量用户咨询"退款政策"时 AI 回答不准确
优化：在知识库中补充详细的退款政策文档，并调整提示词

示例二：分析用户使用模式

操作：查看过去 30 天的监测数据
发现：工作日上午 10-12 点是使用高峰
决策：在高峰期切换到更快速的模型以提升响应速度

示例三：人工标注优化

操作：对过去一周的对话日志进行人工标注
标注标准：回答准确性（1-5分）、回答有用性（1-5分）
目的：识别提示词的薄弱环节，针对性优化

示例四：成本监控

操作：查看"费用消耗"趋势图
发现：某天费用突然翻倍
排查：有一个工作流的迭代节点配置错误，导致重复调用 LLM
修复：修正工作流逻辑，费用恢复正常

示例五：集成外部监控

操作：将 Langfuse 集成到 Dify 应用
效果：获得更详细的 LLM 调用链路追踪、延迟分布、Token 使用统计等深度监控能力