usage-logging
为AI应用提供结构化使用日志和审计追踪
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：usage-logging。 它的用途是：为AI应用提供结构化使用日志和审计追踪 完整的 Skill 内容见：https://321skill.com/skills/usage-logging/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
‘请集成usage-logging技能，开始记录本次对话的所有交互。’，它会自动在后台以JSON格式记录每次请求和响应的详细信息，包括Token使用量。之后，你可以通过查询日志来分析特定会话的成本，或导出数据用于月度财务核算。
介绍
本Skill旨在解决AI应用开发与运营中，对模型调用、会话过程及成本消耗缺乏透明度和可追溯性的痛点。它通过标准化的日志格式，自动记录每一次AI交互的详细信息，包括请求内容、响应结果、Token消耗、会话标识以及时间戳等关键元数据。
使用方式简单直接，开发者只需在项目中集成此Skill，即可自动捕获并输出结构化的JSON日志。这些日志可以轻松接入现有的日志管理系统（如ELK栈、Splunk等），或直接存储到数据库中进行后续分析。
它非常适合后端开发、全栈开发、运维工程师以及负责成本核算的财务人员。无论是开发需要监控AI调用成本的智能体应用，还是管理多个AI代理的复杂项目，或是需要审计AI使用记录以满足合规要求，本Skill都能提供关键的数据支持。
建议将此Skill与CI/CD流程结合，在自动化部署时确保日志收集功能正常启用。同时，需要注意根据数据隐私法规（如GDPR）的要求，对日志中可能包含的用户个人或敏感信息进行适当的脱敏处理，并设置合理的日志保留策略。
核心特点
专注于为AI交互（如大模型调用）提供开箱即用的结构化日志方案，内置了会话追踪和成本计算（Token消耗）等AI应用特有的审计字段，而非通用的应用程序日志工具。
注意事项
不适合仅需简单控制台输出或对日志性能有极端要求的实时流处理场景。
常见问题
这个Skill能记录哪些具体信息？
可以记录请求内容、响应内容、使用的模型、Token消耗、会话ID、时间戳、用户标识（可选）以及调用耗时等结构化数据。
日志数据可以存储到哪里？
日志默认以JSON格式输出到标准输出或文件，您可以轻松地将其接入Filebeat、Fluentd等日志收集器，并存储到Elasticsearch、数据库或对象存储中。
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/usage-logging/raw/index.md 读取 usage-logging 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/usage-logging/raw/index.md（查看排版版本）