监控与日志

运维监控分为基础设施状态、产品运行状态和安全审计三层。

服务与队列

持续检查 frontend、api、worker、sandbox-worker、beat、PostgreSQL、Redis 和 Qdrant。重点关注 API 5xx、数据库连接、Redis 队列积压、知识库处理失败、Sandbox 超时/磁盘上限和 Beat 是否重复运行。

队列按职责分开，排查积压时要先确认是哪一条：

docker compose ps
docker compose logs -f api worker sandbox-worker beat frontend

Kubernetes 使用 kubectl get pods、kubectl logs -f deployment/api 等命令查看。

数据库健康

PostgreSQL 是统计、检索词法通道和审计的共同依赖，除连接状态外还要看：

• pg_stat_statements（镜像已预载并设置 track=all）中最耗时的语句，用于发现缺失索引的查询。
• 无效索引：CONCURRENTLY 构建失败会留下 INVALID 索引，IF NOT EXISTS 不会重建它。
• 仪表盘与统计接口的响应时间：变慢且 CPU 不高通常意味着走了顺序扫描而非覆盖索引。

SELECT query, calls, mean_exec_time, total_exec_time
FROM pg_stat_statements
ORDER BY total_exec_time DESC
LIMIT 20;

SELECT c.relname
FROM pg_class c
JOIN pg_index i ON i.indexrelid = c.oid
WHERE NOT i.indisvalid;

索引创建、清理与验证步骤见数据库维护与索引调优。

观测控制台

产品内置的可观测性控制台位于监控 > 可观测性（路由 /dashboard/observability），数据由 GET /api/v1/admin/observability/* 提供，需要 admin:dashboard:access 权限。控制台没有 Prometheus 风格的 /metrics 端点，也没有内建 Prometheus/Grafana/Datadog/ELK 集成；外部监控只能采集日志并轮询健康端点与这组观测接口。

接口分成两类，参数语义不同：

/system/workers 返回 Celery 侧队列与 Worker 状态：status、worker_count、active_tasks、reserved_tasks、scheduled_tasks，以及五条队列（default、knowledge、workflow、agent、sandbox）各自的 pending 长度和按任务名的待处理明细。/system/health 返回 CPU、内存、磁盘、数据库、Redis 与这份 Worker 快照，并把结果写入 Redis 快照列表供 /system/trend 读取。所有观测载荷缓存 30 秒。

基础健康检查 GET /api/v1/health 无需认证，供容器健康检查与外部探活使用；它只返回 {"status": "healthy"}，不含依赖详情。

产品指标

工作台仪表盘和 Agent/工作流监控页提供对话数、消息数、Token、响应时间、工具调用、工作流运行数、成功率、失败数和平均耗时。按团队和资源权限过滤，不同用户看到的数据范围可能不同。

审计与告警

审计日志记录操作者、资源、动作、时间和变更前后快照。通知系统可为文档处理失败、工作流失败、Agent 发布、配额接近/超限、异常登录和账户锁定发送站内或外部通知。

日志安全

日志中可能包含 URL、模型错误、用户输入摘要、工具参数和资源 ID。生产环境禁止无保护地公开日志端点，并按组织策略脱敏、保留和归档。