log-ai-compressor · 本机日志取证层

我们不把日志交给大模型。我们用确定性算法把日志变成可复核的证据，大模型只读证据。 拿不出因果链就说证据不足，并精确列出还缺什么才能定论 —— 而且会对这些缺口负责：补上了就把缺口划掉。 全部计算在本机完成，日志不出网。

🧾 立场：你不必相信这个工具

大多数日志工具要你相信它的结论。这个工具给的是你可以自己复核的东西 —— 每条结论都带原文的行号区间和那段原文的 sha256。

$ log-ai-compressor run app.log -f json -o report.json
$ log-ai-compressor verify --report report.json
证据：共 8 条引用，匹配 8 条，失配 0 条，源不可读 0 条

事故复盘时，有人把日志里的主机名改了：

$ log-ai-compressor verify --report report.json
证据：共 8 条引用，匹配 7 条，失配 1 条
  ✗ MISMATCH ca0e981df461 app.log 期望 c33aeb824ce67aaf 实际 4a1689f3780880ae
自校验结论：TAMPERED        # 退出码 1

判定只有三档，没有「大部分通过」 —— 一份掺了假证据的报告，不该因为大部分为真就放行。

同一套立场长成了四件具体的事：

第四行是我最想让你注意的一行：一个主动撤回自己招牌数字的项目， 它剩下的每个数字才有分量。见 docs/FAQ.md Q10。

📌 先读这一节：这些数字不能证明什么

一个只会报好数字的项目不值得信。下面是所有实测结论都覆盖不到的地方。

一个云平台说「我不知道」，在产品上读起来像故障。本工具说「我不知道」， 在方法论上读起来像专业。但如果你要的是全天候告警，本工具给不了，别选它。

📊 证据保留率 vs Drain3（Loghub 2.0，10 个数据集）

指标：同样 token 预算下保住多少种人工标注的事件类型。 数据来自 Loghub-2.0，事件模板为人工标注。

严格档的理由与分数无关：默认档会把只差一个词的两类事件合并（实测 action start ... wait 与 ... boot），而 Loghub 标注把它们算两类 —— 簇粒度比标注粗时事件就"看不见"了。代价：耗时 1.1–2.4 倍，但输出体积没变差、多数反而更小（Hadoop 1205→1084 tok）。Drain3 没有这个旋钮，这个不对称不藏。 对照的三个都是真工具：Drain3（ICWS'17 学术标准）、 LogsLop（AMD 2026-07，去重工具，与证据保留目标相反）、tail/grep 两条朴素基线。

完整方法学、为什么本项目在两个数据集上会输、以及 v2.9.3 那次 「已发布数字系统性偏低」的更正经过，全在 docs/BENCHMARK.md。被质疑时先看那里。

🚦 工程指标

🚀 90 秒上手

# 本地 Web 界面（自动开浏览器，端口 8765 起，被占用自动顺延）
pip install "log-ai-compressor[web]"
log-ai-compressor web

# 只在命令行里压缩日志：硬依赖只有 PyYAML
pip install log-ai-compressor
log-ai-compressor run app.log --top 20 -o report.md

# 复核一份报告的结论出处（报告发出去后日志可能已被改动或轮转清理）
log-ai-compressor verify --report report.json

# 让 AI Agent 直接调用本机日志（MCP Server，已收录官方 Registry）
pip install "log-ai-compressor[mcp]"
log-ai-compressor mcp --install claude-code

Agent 客户端可直接按官方 Registry 名发现安装：

mcp-name: io.github.hu-chenyu/log-ai-compressor

Windows 可双击 start.bat 自动定位 Python、装依赖、启动并打开浏览器。

🧰 能力

完整清单与边界见 docs/FEATURES.md。

🚫 它做不到什么

还有一条是写在代码里而不只是文档里的硬约束：

调用链只证明顺序，不证明因果。 有完整 trace 但没有 Caused by: 时， 工具仍然只给 LIKELY、can_conclude=false。CONFIRMED 的唯一来源 始终是条目内 Caused-by 链。对抗评测里有一个场景专门盯它。

🗂 深入

复现本文所有数字：

python scripts/fetch_datasets.py --all   # 下公开数据集
python scripts/benchmark_loghub.py       # 证据保留率对照
python scripts/prove.py                  # 自证：不必相信作者，自己跑

License

MIT