AI工具错误排查：记录哪些信息便于定位问题

使用AI工具或写作API时，遇到报错、无响应或结果异常，先整理现场信息。记录越准确，越容易判断问题出在输入内容、请求过程、服务响应，还是自有程序处理环节，也能避免只凭一条错误提示反复猜测。 先记下发生时间、操作步骤和预期结果，并说明使用的工具或自有系统功能、提交的任务类型，以及问题是否每次都能重现。涉及用户内容时，记录脱敏后的摘要即可，不要把密钥、个人资料

使用AI工具或写作API时，遇到报错、无响应或结果异常，先整理现场信息。记录越准确，越容易判断问题出在输入内容、请求过程、服务响应，还是自有程序处理环节，也能避免只凭一条错误提示反复猜测。

先记下发生时间、操作步骤和预期结果，并说明使用的工具或自有系统功能、提交的任务类型，以及问题是否每次都能重现。涉及用户内容时，记录脱敏后的摘要即可，不要把密钥、个人资料或完整的敏感文本复制到排查材料中。

接着整理请求与响应的关键内容，包括接口地址的路径、请求方法、必要的非敏感参数、响应状态、错误提示和耗时；也可注明字段是否缺失或格式异常。密钥只应保存在服务端或受保护的本机配置中，不能写入网页、正文或日志。分享日志前，还要检查其中是否意外包含凭据。

排查时，可以先核对输入和必填字段，再查看本机或服务端日志，随后对照收到的响应，最后检查自有程序如何处理结果。如果问题只出现在特定任务中，比较成功与失败请求的差别；如果无法重现，也记录当时的操作和现象，但不要据此断定原因。

超时不能证明请求一定没有处理，也不能据此判断是否计费。重试前先核对已有响应、任务记录或自有系统中的处理结果，避免重复执行或重复入库。自有系统可用任务编号和内容摘要辅助识别重复记录；这只是内部整理办法，并不表示所有接口都提供相同的任务编号。

最后记下尚未确认的事项，以及已经尝试的检查和结果。模型输出不等于事实核验；若异常涉及内容正确性，还需另行核对来源。不同工具和接口提供的日志字段并不统一，应按实际可见信息取舍记录项。