新闻详情

新闻详情

首页 / 资讯中心 / 详情

treg 审计日志(CallRecord)深度指南:谁在什么时候调用了什么,一篇讲透

发布时间:2026/11/16 21:23:10来源:尧图网络
treg 审计日志(CallRecord)深度指南:谁在什么时候调用了什么,一篇讲透
treg 审计日志CallRecord深度指南谁在什么时候调用了什么一篇讲透【免费下载链接】tregOpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn项目地址: https://gitcode.com/GitHub_Trending/treg/tregtreg 审计日志CallRecord是 tregagent 工具的 OpenRouter内置的调用审计系统每一次工具调用都会被记录成一行CallRecord回答三个核心问题——谁哪个成员、哪把 API Key、哪个运行时在什么时候调用了什么哪个工具/端点结果如何、花了多少钱。无论你是团队管理员、预算负责人还是被账单问号砸中的开发者这份指南都能帮你在 3 分钟内看懂审计日志的每个字段。审计日志是什么一行 CallRecord 的身份证在 treg 中每次经过代理的调用都会落一行审计记录表定义见 models.py。它的设计哲学写得很直白Audit: who called which tool, in which org, when, with what result. —— models.py关键点审计写入是发后即忘fire-and-forget的走独立队列永不增加代理调用的延迟同时它明确定位为分析数据而非账单依据——钱永远以 ledger账务本为准。一行记录到底写了什么核心字段速查表你想问的问题对应字段含义谁调的user_email/api_key_id/api_key_name成员邮箱 所用 Key 的快照即使 Key 后来被删也能追溯用的什么客户端client运行时自报身份如claude-code、codex仅归属不做鉴权调了什么tool_name/method/path/endpoint_id工具名、HTTP 方法与路径、目录端点结果如何status_code/refused_by上游状态码若非空说明是treg 在上游之前拒了花多少钱cost_estimated_micro/cost_observed_micro/cost_charged_micro预留估值 / 供应商实际报价 / 真正扣款显示优先用这个多快多大duration_ms/response_bytes耗时与响应体大小是不是缓存cached由 treg 归档archive直接应答未走供应商是我的标签吗tags/call_ref调用方通过X-Treg-Meta打的自定义标签可对账 金额单位是微单位_micro1/1000000避免浮点误差——这是金融级记账的常见做法。快速查看审计日志的 3 种方式方式一Dashboard「Activity」页面最简单登录后打开 Activity 页前端实现见 ActivityPage.vue即可看到按 API Key 筛选、只看成功调用的一键开关每行含人成员 代理归属、Key、工具、状态、花费命中归档的调用会标记Cached并可通过GET /calls/{id}/result回看当时的请求与响应方式二GET /callsAPI适合自动化对账端点定义见 api.py支持三个实用参数GET /calls?days30limit500before_id12345days时间窗1–365 天limit单次最多 500 行before_id游标式向后翻页——对账一整月的调用必须用它仅靠最新 N 条不够⚠️ 注意此接口返回的是分析数据。需要发票级金额时应读取 ledger 支撑的/orgs/{id}/usage/by-tag见 api.py 注释。方式三treg auditCLI一条命令看全CLI 子命令注册见 cli.pytreg audit # 代理调用 CLI 运行合并成一条日志 treg audit --calls # 只看代理调用 treg audit --runs # 只看 CLI 运行服务器端 本地 treg audit --limit 20 # 限制条数这里的合并日志很关键CallRecord记录 HTTP 代理调用而RunRecord定义见 models.py记录treg run的 CLI 执行两者在同一视图里对齐。成本视角谁花了团队的多少钱审计行里的金额三列有明确分工见 models.pycost_estimated_micro平台预留时扣下的估值——任务未完成前它看起来花了不少会高报cost_observed_micro供应商自己报告的实收如果它报告的话cost_charged_micro真正落到团队余额上的钱释放/402/429 时为 0另外credential_tier字段tool/credential/platform告诉你这单是谁买单只有platform层花的是 treg 自己的钱——做支出审计时按它分组即可。故障排查如何区分供应商挂了和平台拒了这是新手最常踩的坑。refused_by字段models.py专为此设计值含义auth令牌无效/过期policyACL、拒绝规则或账户被暂停balance402 预付费余额不足cap429 触发每日上限resolution工具或端点不存在request请求本身不合法方法错、缺参数、坏 body字段为NULL才说明请求真的到了上游、由供应商给了状态。没有它付费墙的 402 和供应商错误在统计里无法区分。此外失败调用的error_request/error_response会在捕获时先脱敏再截断注入的凭证全部精确剔除过期后覆写为expired——它只给人看不用于精确重放见 evidence_retention.py。为什么你的查询不会拖垮系统CallRecord是全库最大的表因此字段旁写满了生产环境的实测注释为最近 30 条调用、今日该成员调用数等高频问题分别建了组合索引如ix_callrecord_endpoint_id_created_at其中一条索引的引入是因为生产上某成员 28.7 万行导致单点查询耗时 2.6 秒models.py 索引注释。你只管查性能问题工程师已经替你踩过了。新手常见问题 FAQQ1审计日志会漏行吗会。它是 fire-and-forget 写入负载过高时队列会丢弃。所以金额类问题永远以 ledger 为准审计只用于看发生了什么。Q2client字段能当安全凭证吗不能。它是运行时自报X-Treg-Client任何持有令牌的一方都可以声称任意名字——定位是归属统计不是认证。Q3缓存命中的调用计费吗金额列与实时调用保持一致这是有意的设计决策见 archive.md但cached: true会明确标记方便你统计命中率。Q4CLI 运行treg run也在审计里吗在。它记录在独立的RunRecord表models.py并通过treg audit与调用日志合并展示argv中绝不含密钥密钥经环境变量注入。一句话总结CallRecord是 treg 的行车记录仪——它不替你算账那是 ledger 的活但它精确回答谁、何时、调了什么、结果与代价如何。配合 Dashboard、API、CLI 三种查看方式任何一次调用的来龙去脉都查得到。【免费下载链接】tregOpenRouter for agent tools. Join community here: https://discord.gg/6mQYYfFMAn项目地址: https://gitcode.com/GitHub_Trending/treg/treg创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉