gh-aw 日志分析完整教程用 logs 命令快速定位 AI 运行问题【免费下载链接】gh-awGitHub Agentic Workflows项目地址: https://gitcode.com/GitHub_Trending/gha/gh-awgh-awGitHub Agentic Workflows让你在 GitHub Actions 上运行 AI 智能体工作流而gh aw logs日志分析命令就是排查 AI 运行问题的第一把钥匙。它会自动下载工作流的运行日志与产物artifacts生成包含耗时、Token 用量、成本等信息的汇总表格帮你快速定位 AI Agent 失败、工具缺失、网络被拦截等常见故障。本教程面向新手带你从一条命令上手到掌握过滤器、Markdown 解析与多次运行趋势报告。为什么需要 gh-aw logs 日志分析AI 智能体在云端跑任务和你在本地跑脚本完全不同它可能因工具被过滤、权限不足、防火墙拦截网络请求等原因悄悄失败。如果没有系统的日志分析手段你只能盯着 Actions 页面一条条翻日志。gh aw logs命令把这件事做成了自动化流水线拉取运行记录按工作流名称找到最近匹配的运行run下载产物默认只下载紧凑的 usage 产物Token 用量与运行元数据需要时用--artifacts追加 agent、firewall、mcp 等完整产物汇总输出在本地生成按运行 ID 命名的文件夹和概览表格包含耗时、Token 用量、成本等聚合指标。命令定义源码在 pkg/cli/logs_command.go更多运行产物说明可查阅 docs/src/content/docs/reference/artifacts.md。3 步上手一键下载 AI 工作流日志在项目目录下执行以下命令即可无需 clone 任何额外仓库安装 gh-aw CLI 后即可使用gh aw logs # 下载全部工作流的最近日志 gh aw logs weekly-research # 只下载指定工作流 gh aw logs workflow-a -c 5 # 只下载最近 5 次匹配运行下载的日志默认存放在.github/aw/logs目录默认值定义见 pkg/cli/logs_models.go每次运行一个文件夹方便你用summary.json和各类日志文件做二次分析。 小技巧-c 10与--last 10等价数字越大分析的历史越深但下载耗时也越长新手建议从5开始。常用过滤器精准圈定有问题的运行当某个工作流跑了几百次你不可能全下载。logs命令内置了一组过滤器直接命中问题范围过滤目标示例适用场景引擎gh aw logs --engine claude只看某个 AI 引擎claude/codex/copilot的运行时间范围gh aw logs --start-date -1w只看最近一周也支持-1mo、2024-01-01分支gh aw logs --ref main只看某分支或 tag 的运行安全输出类型gh aw logs --safe-output missing-tool只找工具缺失类故障还有 missing-data、create-issue、noop 等防火墙gh aw logs --firewall只看启用防火墙的运行排查网络拦截运行 ID 区间gh aw logs --after-run-id 1000精确圈定某段时间的运行产物范围gh aw logs --artifacts agent,firewall只下载需要的产物省流量过滤器可以任意组合。例如最近一周 main 分支上 claude 引擎因缺工具失败的任务就是一条命令的事。深入排查解析日志、生成审计报告拿到日志只是第一步。加上--parse参数命令会运行内置的 JavaScript 解析器把原始日志转换成人类可读的 Markdown 报告gh aw logs weekly-research --artifacts all --parse解析后每个运行目录会多出两个关键文件log.md—— Agent 会话摘要工具调用序列、失败点一目了然firewall.md—— 防火墙日志分析报告被拦截的域名、策略命中情况清清楚楚。配合--audit还能额外生成audit.json用于跨运行比对--tool-graph则把工具调用序列渲染成 Mermaid 图。下图中这种根因分析风格的结构化输出正是日志分析工具的目标形态——先给结论再给证据如果只想深挖某一次运行还可以用配套的audit命令直接传入运行 URL 做单运行剖析二者常搭配使用。相关排障思路详见 docs/src/content/docs/troubleshooting/debugging.md 和 scratchpad/firewall-log-parsing.md。生成 Markdown 报告多次运行的安全趋势单次运行查清楚了怎么监控长期趋势logs命令支持跨运行cross-run报告输出gh aw logs my-workflow --format markdown --last 10 gh aw logs my-workflow --format markdown --last 10 --report-file report.md--format markdown生成跨运行的安全审计 Markdown 报告--report-file可把报告直接写入文件适合放进定时任务或 CI 里定期产出gh-aw 的社区仓库就用类似机制每天发布运行报告--format console/pretty则是带装饰的终端表格人眼友好--json输出结构化数据方便接入你自己的监控脚本。另外--train参数会基于最近运行训练日志模式权重Drain3让后续的模式匹配更懂你项目的日志风格。进阶技巧缓存、限流与跨仓库分析缓存复用--cached-jsonl logs.jsonl会复用已有记录新结果即时追加重复分析不再重复下载存储保护--max-storage 10240设置 10GB 上限--prune-older-runs在缓存过大时自动清理最老的运行API 预算--max-github-api-rate-limit 12000控制 API 请求上限避免批量下载耗尽配额跨仓库gh aw logs weekly-research --repo owner/repo直接拉取其他仓库的运行日志无需切换本地检出。总结你的需求推荐命令快速看最近 5 次运行gh aw logs my-workflow -c 5排查缺工具故障gh aw logs --safe-output missing-tool可读性最好的分析报告gh aw logs --parse --artifacts all定期产出 Markdown 趋势报告gh aw logs --format markdown --last 10 --report-file report.md控制磁盘与 API 用量加--max-storage/--max-github-api-rate-limit掌握gh aw logs日志分析命令后AI 工作流从黑盒运行变成白盒可观测过滤器圈定范围解析器给出结论报告沉淀趋势。建议先跑通第一条命令再按需组合过滤器逐步建立自己的排障工作流。【免费下载链接】gh-awGitHub Agentic Workflows项目地址: https://gitcode.com/GitHub_Trending/gha/gh-aw创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考