> For the complete documentation index, see [llms.txt](https://docs.digibee.com/documentation/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.digibee.com/documentation/developer-guide/pt-br/development-cycle/dashboards/pipeline-logs.md). # Pipeline Logs Os logs do pipeline são registros detalhados que permitem inspecionar o que está acontecendo em cada etapa do ciclo de execução de um pipeline. Na aba **Pipeline Logs**, na área Monitor, você pode acompanhar os logs de eventos registrados durante a execução do pipeline, tanto no nível do pipeline quanto no nível do agente. ## **Ambiente** Selecione o ambiente desejado no canto superior esquerdo da página. Ao selecionar um ambiente, a página é atualizada para exibir os dados correspondentes. {% hint style="info" %} O histórico de logs expira após **3 dias** no ambiente de teste (test) e após **10 dias** no ambiente de produção (prod). {% endhint %} ## **Modos de visualização Pipelines e Agentes** Use o toggle no topo da aba Pipeline Logs para alternar entre duas visões: * **Pipelines**: Logs gerados durante a execução do pipeline. * **Agentes**: Os mesmos logs de Pipelines, filtrados para mostrar apenas os logs gerados por agentes criados com o [Agent Component](/documentation/connectors-and-triggers/pt-br/connectors/ai-tools/llm.md). ## **Pipelines**
### **Campos de busca** Use os campos abaixo para filtrar os logs do pipeline. A lista de resultados exibe os logs que correspondem aos critérios selecionados. | Campo | Descrição | | --------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------- | | **Mensagem do log** | A informação enviada por um conector que retorna logs durante a execução do pipeline. A busca considera apenas palavras completas. | | **Nome** | O nome do pipeline definido pelo usuário. Digite o nome do pipeline e selecione-o na lista suspensa para filtrar os resultados. | | **Versão** | O número da versão do pipeline. Deve ser usado em conjunto com o nome do pipeline, caso contrário a busca não retorna resultados. | | **Chave de execução do pipeline** | O identificador único de uma execução de pipeline. | ### **Filtros** #### **Severidade** Filtre os resultados por classificação do log: * **Todas as severidas**: Qualquer tipo de informação de log. * **Info**: Informações sobre eventos comuns durante a execução do pipeline. * **Error**: Informações sobre erros durante a execução do pipeline. * **Warn**: Informações sobre possíveis problemas durante a execução do pipeline. #### **Fonte** Filtre os resultados pela origem do log: * **Todas as fontes**: Qualquer tipo de origem. * **Digibee internal**: Apenas logs internos da plataforma. * **Log connector**: Apenas logs adicionados explicitamente pelo usuário no pipeline. #### **Período de tempo** Filtre os resultados pelo horário de execução. Selecione os últimos **5**, **15**, **60 minutos**, **1 dia**, ou defina um intervalo de tempo personalizado. ### **Tabela de logs** A tabela de logs exibe os resultados de acordo com os filtros selecionados. Clique em um log para abrir seus detalhes em um painel lateral. ## **Agentes** A visualização de Agents parte da mesma base de logs que a visualização de Pipelines, mas exibe apenas os logs gerados por agentes criados com o [Agent Component](/documentation/connectors-and-triggers/pt-br/connectors/ai-tools/llm.md).
### **Campos de busca** Use os campos abaixo para filtrar os logs dod agentes. A lista de resultados exibe os logs que correspondem aos critérios selecionados. | Campo | Descrição | | ------------------ | ------------------------------------------------------ | | **Pipeline** | O nome do pipeline que contém o agente. | | **Nome do agente** | O nome do agente conforme definido no Agent Component. | | **Conteúdo** | O conteúdo da mensagem do log do agente. | Você também pode filtrar por **período de tempo** (últimos **5**, **15**, **60 minutos**, ou um intervalo personalizado), da mesma forma que em **Pipelines**. ### **Tabela de logs** A tabela de logs exibe uma linha para cada execução de agent, com as seguintes colunas: * **Timestamp**: Data e hora em que a execução do agente ocorreu. * **Nome do agente**: O nome do Agent Component. * **Chave de execução do agente**: O identificador único da execução do agente. * **Nome do pipeline**: O nome e a versão do pipeline que contém o agente. * **Prévia do conteúdo**: Uma prévia da mensagem retornada pelo agente. Clique em um log para abrir o painel **Detalhes do log de agente**. ### **Detalhes do log de agente** O painel **Detalhes do log de agente** exibe o ID da execução, o horário e a duração da execução do agente selecionado, seguidos por dois grupos expansíveis. #### **Logs de execução** Expanda cada seção para inspecionar uma etapa específica da execução do agente: * **Configuração**: Configurações de provider e modelo. * **Entrada**: Contexto, configuração de tools e status de retrieval. * **Mensagem do sistema**: O prompt de sistema enviado ao modelo. É possível visualizá-lo como Texto, Markdown ou JSON. * **Mensagem do usuário**: O prompt de usuário enviado ao modelo, como o claim context pack ou outros dados contextuais. É possível visualizá-lo como Texto, Markdown ou JSON. * **Ferramentas**: As chamadas de ferramentas, seus argumentos e resultados. * **Guardrail de entrada/saída**: Os guardrails aplicados e seu impacto. Use esses logs para validar o comportamento e solucionar problemas. #### **Saída** A seção Saída exibe o resultado final retornado pela execução do agente, formatado como JSON. Clique no **ícone de cópia** para copiar o output completo. Você também pode usar o campo **Busque por JSONPath** para procurar informações específicas na saída. #### **Salve esta execução como um Caso de Teste** Na parte inferior do painel, clique em **Criar caso de teste** para transformar esta execução em um Caso de Teste, em vez de construir um cenário de teste do zero. Isso permite validar seu agente com base em entradas que realmente ocorreram em produção, em vez de entradas simuladas. Selecione o **Dataset** no qual deseja salvar esta execução e, em seguida, mapeie as variáveis pré-preenchidas. Use a aba **Avaliações** para adicionar ou editar os valores das avaliações já configuradas no Dataset. Não é possível criar novas avaliações a partir dessa aba; para adicionar uma nova avaliação, configure-a diretamente no Dataset dentro do Agent Component. Clique em **Salvar** para concluir o Caso de Teste. {% hint style="info" %} Se ainda não existir nenhum Dataset para o seu agente, você verá um estado vazio em vez de uma lista. Crie um Dataset no Agent Component antes de poder salvar dados de execução como um Caso de Teste. {% endhint %} O novo Caso de Teste é adicionado ao Dataset selecionado e fica disponível na próxima vez que você executar suas Avaliações no Agent Component dentro do pipeline. Para mais detalhes sobre Datasets, Casos de Teste e Avaliações, leia [Construindo testes no Agent: Datasets, Casos de Teste e Avaliações](/documentation/connectors-and-triggers/pt-br/connectors/ai-tools/llm/testing-your-agent.md). --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.digibee.com/documentation/developer-guide/pt-br/development-cycle/dashboards/pipeline-logs.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.