pi-llm-debugging
将LLM请求数据保存到项目目录，便于调试
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：pi-llm-debugging。 它的用途是：将LLM请求数据保存到项目目录，便于调试 完整的 Skill 内容见：https://321skill.com/skills/pi-llm-debugging/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我写一个Python函数来计算斐波那契数列。”，它会正常响应你的请求，同时将这次请求的完整提示词、模型参数以及返回的代码，以JSON等格式保存到你项目下的`.pi`文件夹中。之后，你可以随时查看这些文件来分析AI的“思考”过程，优化你的提问方式。
介绍
这个Skill解决了开发者在调试基于大型语言模型（LLM）的项目时，难以追踪和分析AI服务提供商实际请求与响应数据的痛点。它通过在项目根目录下自动创建并维护一个名为.pi的文件夹，将每次调用LLM（如Claude、GPT等）的请求载荷（payload）和响应数据以文件形式保存下来，为开发者提供了第一手的调试依据。
使用方式非常简单直接。开发者只需在项目中安装并启用此Skill，之后所有通过项目框架（如Pieces for Developers）发起的LLM请求，其详细的请求和响应数据都会被自动捕获并存储。开发者无需修改现有代码或手动添加日志语句，即可获得完整的交互记录。
它非常适合正在开发或维护集成LLM功能的应用程序的软件工程师、AI应用开发者以及技术负责人。无论是调试复杂的AI提示工程（Prompt Engineering）问题，还是分析模型输出不一致的原因，或是单纯为了审计和复现AI交互过程，这个工具都能提供关键支持。
建议在开发、测试和预发布环境中积极使用此Skill，以便快速定位问题。但请注意，保存的请求数据可能包含提示词、API密钥（取决于配置）等敏感信息，因此在生产环境中应谨慎评估其安全风险，或确保.pi文件夹被妥善排除在版本控制和部署范围之外。
核心特点
与通用的网络请求日志工具不同，它专为LLM交互设计，能结构化地保存请求载荷（包括提示词、参数等）和响应，并直接关联到具体项目（.pi文件夹），实现了按项目隔离的、开箱即用的调试数据管理。
注意事项
不适合用于生产环境或对性能和数据安全有极高要求的场景，因为它会持续写入磁盘并可能记录敏感信息。
常见问题
保存的数据在哪里？
保存在项目根目录下的 .pi 文件夹中。
会影响我的代码性能吗？
主要影响是磁盘I/O，在开发调试时影响通常可接受，生产环境建议禁用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/pi-llm-debugging/raw/index.md 读取 pi-llm-debugging 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/pi-llm-debugging/raw/index.md（查看排版版本）