运营例会前没人答得上“后台到底发生了什么”——我给操作日志装了一套智能摘要流程

一、业务痛点：日志在，信息不在

我们是一个五人小团队，做一款面向中小企业的 SaaS 审批系统。后台操作日志一直在记：谁改了价格规则、谁导出了客户名单、谁批量删除了数据。日志表每天都在涨，但例会上我问“上周后台有哪些高风险操作”，没人能立刻回答。

具体拆开看，有三个问题：

1. 看不过来。 每天几千条日志，人工浏览不现实，只能等出事再倒查。
2. 看不懂重点。 单条日志写的是“用户A 更新了配置项 config_2841”，但这条配置意味着什么，需要懂业务的人翻译。
3. 责任说不清。 运营说该技术管，技术说这是业务操作，最后日志成了三不管地带。

作为管理者，我关心的不是日志本身，而是流程上有人定期看、看得懂，风险能提前暴露。这正是 AI 摘要能切入的位置——但它必须是流程的一部分，而不是一个玩具。

二、架构设计：三层结构，职责分离

我们最终落地的架构很简单，适合小团队直接抄：

┌─────────────┐    ┌──────────────┐    ┌─────────────┐
│  日志采集层  │ →  │  摘要生成层   │ →  │  呈现与流转层 │
│ DB + 定时任务 │    │ AI API 网关   │    │ 日报 + 企微群 │
└─────────────┘    └──────────────┘    └─────────────┘

• 采集层：不改动现有日志写入逻辑，只是每天凌晨把前一天日志按模块（权限变更、数据导出、配置修改、批量操作）分桶。
• 摘要层：每个桶拼装成结构化 prompt，通过统一的 AI API 网关调用大模型，输出「做了什么 / 有无异常 / 建议关注项」三段式摘要。
• 呈现层：摘要以日报形式推送到企业微信群，高风险项自动 @对应负责人，要求当日回复确认——这一步让 AI 输出进入了人的协作流程，而不是发完就沉底。

三、关键实现步骤

1. 先定义“风险分级”，再谈摘要。 我们和运营一起定了三级：红色（批量删除、权限提升）、黄色（大额数据导出、关键配置变更）、白色（常规操作）。AI 摘要按级别组织内容，红色必须出现在日报首屏。
2. Prompt 固定为模板，不让人随手写。 模板版本化管理，改动走评审，避免摘要口径漂移。
3. 控制上下文长度。 单次调用最多塞 200 条日志，超出就二次聚合。别指望一次喂完。
4. 建立“摘要—确认”闭环。 日报里 AI 标注的风险项，负责人必须在群里回复。两周下来，我们真的拦下过一次误操作的批量导出。
5. 每月抽检。 随机抽 20 条日志人工核对摘要准确性，作为模型切换和 prompt 迭代的依据。

核心调用伪代码（Python）：

buckets = group_logs_by_module(fetch_logs(yesterday))

for module, logs in buckets.items():
    for chunk in split(logs, size=200):
        prompt = render_template("daily_summary", module=module, logs=chunk)
        resp = gateway.chat(
            model="gpt-4o-mini",   # 便宜够用，高风险桶换更强模型
            messages=[{"role": "user", "content": prompt}],
            fallback_model="claude-3-5-sonnet",
        )
        summary = parse(resp)
        if summary.risk_level == "red":
            notify_owner(summary, mention=True)

四、为什么统一 AI API 网关能降低维护成本

这是我们这轮改造里最划算的决定。原因很直接：

• 一处配置，多处生效。 摘要、风险分类、异常解释三个功能都调模型，走同一个网关，API key、超时、重试逻辑只维护一份。
• 模型可替换。 白色桶用便宜的小模型，红色桶换强模型，只改网关路由配置，业务代码零改动。某模型涨价或限流，切一个 fallback 就完事，不用等某个开发有空改代码——这对小团队的排期风险是实质性的保护。
• 成本和调用可审计。 网关统一记录每次调用的 token 消耗，月度成本一眼可见，我作为管理者不用追着技术问“这个月 AI 花了多少”。
• 权限收敛。 团队成员不需要各自持有 key，降低泄露面，这本身就是一种风险控制。

如果没有网关，五个功能五套调用代码、五个 key，任何一次模型侧变动都是一次全员排查——小团队耗不起这种隐性维护。

五、落地效果与提醒

上线一个月后，例会上的问题从“上周有没有异常”变成了“红色项处理进度如何”。日志没有变多，信息却第一次被看见了。

两句提醒：AI 摘要会有漏判，人工抽检不能省；摘要的价值在于触发人的行动，没有确认闭环的日报只是好看。

如果你也在做类似的 AI 落地项目，一个稳定的统一 AI API 网关能让你的模型调用治理从第一天就走上正轨，可以试试从这里开始：https://api.thistoken.ai/register

---

本文的示例只需一个 API Key 就能复现：在 https://api.thistoken.ai/register 注册即用。