Kirara AI

Appearance

调试技巧 ​

本页面介绍如何调试和排查工作流中的问题。

日志记录 ​

添加日志 ​

在关键步骤添加日志记录。

yaml
steps:
  - type: log
    level: debug
    message: "开始处理消息：{{message}}"
  - type: llm
    model: gpt-3.5-turbo
    prompt: "{{message}}"
  - type: log
    level: info
    message: "LLM 响应：{{response}}"

日志级别 ​

根据需要设置不同的日志级别。

  • debug: 详细的调试信息
  • info: 一般信息
  • warning: 警告信息
  • error: 错误信息

变量检查 ​

变量打印 ​

检查变量的值。

yaml
steps:
  - type: log
    level: debug
    message: |
      当前变量状态：
      message: {{message}}
      sender: {{sender | json}}
      context: {{context | json}}

条件断点 ​

在特定条件下记录信息。

yaml
steps:
  - type: condition
    if: "{{debug_mode}}"
    then:
      - type: log
        level: debug
        message: "调试信息：{{debug_info}}"

错误处理 ​

错误捕获 ​

捕获和记录错误。

yaml
steps:
  - type: try
    steps:
      - type: llm
        model: gpt-3.5-turbo
    catch:
      - type: log
        level: error
        message: "错误：{{error}}"
      - type: message
        content: "抱歉，处理出错了"

错误追踪 ​

记录错误堆栈和上下文。

yaml
steps:
  - type: error
    action: trace
    message: "发生错误"
    context:
      message: "{{message}}"
      state: "{{state}}"
      stack: "{{error.stack}}"

测试工具 ​

模拟消息 ​

模拟不同类型的消息。

yaml
steps:
  - type: test
    action: simulate
    message:
      content: "测试消息"
      type: "text"
      sender:
        id: "test_user"
        role: "admin"

性能测试 ​

测试工作流性能。

yaml
steps:
  - type: test
    action: benchmark
    iterations: 100
    workflow: "target_workflow"

调试模式 ​

启用调试 ​

开启调试模式。

yaml
settings:
  debug:
    enabled: true
    verbose: true
    save_context: true

调试选项 ​

  • 保存上下文
  • 详细日志
  • 性能分析
  • 变量跟踪

[图片：调试模式设置界面]

常见问题 ​

1. 变量未定义 ​

yaml
# 问题
steps:
  - type: message
    content: "{{undefined_var}}"

# 解决
steps:
  - type: condition
    if: "{{undefined_var != null}}"
    then:
      - type: message
        content: "{{undefined_var}}"
    else:
      - type: log
        level: warning
        message: "变量未定义：undefined_var"

2. 模型响应超时 ​

yaml
# 问题
steps:
  - type: llm
    model: gpt-3.5-turbo
    timeout: 30

# 解决
steps:
  - type: try
    steps:
      - type: llm
        model: gpt-3.5-turbo
        timeout: 30
    catch:
      - type: workflow
        name: "fallback_response"

最佳实践 ​

  1. 日志管理

    • 使用合适的日志级别
    • 记录关键信息
    • 避免敏感数据

  2. 错误处理

    • 优雅处理异常
    • 提供友好提示
    • 保存错误信息

  3. 测试策略

    • 编写单元测试
    • 进行压力测试
    • 模拟各种场景

  4. 性能分析

    • 监控响应时间
    • 分析资源使用
    • 优化瓶颈

  5. 调试工具

    • 使用调试模式
    • 检查变量状态
    • 追踪执行流程