pi-log-analyzer

# Pi Log Analyzer 分析 Pi Agent 的结构化日志（`.log/*.jsonl`），提供多维度统计和问题诊断。 ## 日志格式 日志为 JSONL 格式，每行一个 JSON 对象： ```json { "schema": "2.0.0", "timestamp": "2026-05-07T00:46:30.942Z", "level": "info|warn|error", "tag": "auto-extract|checkpoint|vector|...", "message": "日志消息", "context": { "role": "default|bw|psm|jly|zero", "sessionId": "uuid", "cwd": "/path", "pid": 12345 }, "meta": { "model": "provider/model-name", "duration_ms": 1234, ... }, "traceId": "tr-xxx" } ``` ## 快速分析 ### 基础统计 运行内置分析脚本： ```bash python3 ~/.pi/agent/skills/pi-log-analyzer/scripts/analyze.py [目录路径] [天数] ``` 参数： - `目录路径`：日志目录，默认 `.log/` - `天数`：分析最近 N 天，默认 3 示例： ```bash # 分析最近 3 天 python3 ~/.pi/agent/skills/pi-log-analyzer/scripts/analyze.py # 分析最近 7 天 python3 ~/.pi/agent/skills/pi-log-analyzer/scripts/analyze.py .log/ 7 # 分析指定目录 python3 ~/.pi/agent/skills/pi-log-analyzer/scripts/analyze.py /path/to/logs 5 ``` ### 输出内容 脚本生成以下分析： 1. **概览统计**：日志条数、会话数、时间跨度 2. **级别分布**：info/warn/error 数量和占比 3. **模块活跃度**：各 tag 出现频率 4. **角色活动**：各角色的日志量 5. **模型使用**：调用的模型及次数 6. **时间分布**：每小时活跃度热力图 7. **警告详情**：warn/error 的具体内容和模式 ## 手动分析 如需更细致的分析，可用 Python 读取日志： ```python import json from collections import Counter with open('.log/2026-05-09.jsonl') as f: for line in f: d = json.loads(line) # 访问字段：d['level'], d['tag'], d['meta']['model'], etc. ``` ## 常见标签（tag）含义 | 标签 | 含义 | |------|------| | `auto-extract` | 自动记忆提取 | | `checkpoint` | 定时保存点 | | `daily-memory` | 每日记忆写入 | | `vector` | 向量索引操作 | | `pending` | 待处理项 | | `repair` | 记忆修复 | | `embedding` | 嵌入生成 | | `knowledge` | 知识库操作 | ## 常见问题诊断 ### auto-extract parse failed **原因**：LLM 返回的记忆提取结果格式不符合预期 **典型模式**： - 返回推理过程而非 JSON - JSON 被截断 - 包含 `<think>` 标签 **建议**： - 检查模型是否支持结构化输出 - 优先使用 DeepSeek V4 Flash（失败率最低） ### 模型调用失败 检查 `meta.model` 字段确认使用的模型，对比 `models.json` 配置。 ## 使用场景 1. **日常巡检**：快速查看最近活动是否正常 2. **问题排查**：定位警告/错误的根因 3. **性能分析**：识别高负载时段和模块 4. **模型评估**：统计各模型使用量和成功率 5. **容量规划**：基于会话数和日志量预估资源