Claude 代码提示跟踪工具概述 | AI生成和翻译

Home 2026.03

问题： 有没有现有的工具或项目，用于记录 Claude Code（以及 VS Code 中的 GitHub Copilot）的所有请求和响应，以跟踪和改进提示？是否有可能构建一个自定义的全栈系统来实现这个？

答案：

概述

是的——这个领域已经相当成熟。每个层面都有工具：开源 CLI 日志记录器、官方遥测管道、托管 SaaS 可观测性平台，以及专为提示管理构建的系统。下面是结构化的分解。

第一部分：Claude Code —— 现有工具与方法

A. 原生 JSONL 记录（内置）

Claude Code 会自动将所有对话记录写入磁盘上的 JSONL 文件，路径为 ~/.claude/projects/。每个提示、响应和工具调用都存储在那里。这是构建自己系统的最低摩擦起点——无需代理。

B. 开源 CLI 日志记录器

claude-code-logger (GitHub: dreampulse/claude-code-logger)
一个 CLI 代理工具，拦截所有 Claude Code 流量。它运行本地代理服务器，您只需将 ANTHROPIC_BASE_URL 指向它。功能包括聊天模式可视化、AI 响应的 markdown 渲染、工具使用跟踪、请求/响应体日志记录，以及 SSE（流式传输）合并。这是您想要构建的最接近的东西——一个中间人日志记录器。

claude-code-log (GitHub: daaain/claude-code-log)
一个 Python CLI 工具，将 Claude Code 的 JSONL 记录转换为可读的 HTML 文件。它支持项目层次处理、会话导航、token 使用跟踪、日期过滤，以及交互式 TUI 界面。

claude-trace (by Mario Zechner)
一个工具，通过 monkeypatch Claude Code 内部的 fetch 来拦截客户端与 Anthropic 服务器之间的所有请求-响应对，并将它们写入磁盘上的 JSONL 文件。这会捕获系统提示、工具定义和完整对话——提供完全内省，包括通常不可见的内容。

C. 官方 OpenTelemetry (OTEL) 管道

Claude Code 在配置 OTEL_LOGS_EXPORTER 时通过 OpenTelemetry 导出事件。关键事件包括 claude_code.user_prompt（用户提交提示时）、claude_code.api_request（每个 API 调用）和 claude_code.tool_result（工具执行完成）。您可以设置 OTEL_LOG_TOOL_DETAILS=1 来包含 MCP 服务器/工具名称。

推荐的开源栈将数据路由通过：Claude Code → OpenTelemetry Collector → Prometheus (metrics) + Loki (events/logs) → Grafana (visualization)。您可以通过 CLAUDE_CODE_ENABLE_TELEMETRY=1 启用它。

D. Claude Code 的托管 SaaS 选项

LangSmith (LangChain)
LangSmith 通过 Stop hook 支持跟踪 Claude Code，它读取生成的对话记录，将消息转换为 LangSmith runs，并发送到项目。跟踪包括用户消息、工具调用和助手响应，通过 .claude/settings.local.json 中的 TRACE_TO_LANGSMITH=true 按项目启用。

Datadog AI Agents Console
Datadog 的 AI Agents Console 聚合 Claude Code 性能指标，包括延迟百分位数、错误率、失败的 bash 命令，以及按仓库的请求，提供项目级洞察。

Dev-Agent-Lens (Arize)
一个基于开源代理的层，将 Claude Code 请求路由通过 LiteLLM，发出 OpenTelemetry 和 OpenInference spans，并发送到 Arize AX 或本地 Phoenix。它捕获流式响应、嵌套工具调用和内部调用——标准日志遗漏的内容。

第二部分：VS Code 中的 GitHub Copilot —— 可能实现什么

A. 内置日志记录（诊断模式）

VS Code 提供工具来检查发送提示时发生的情况。您可以通过命令面板（Developer: Set Log Level）将 GitHub Copilot 和 GitHub Copilot Chat 扩展的日志级别设置为 Trace，然后在 Output 面板查看输出。还有一个 “Agent Debug” 面板，显示代理交互的时序事件日志，包括工具调用序列、LLM 请求、token 使用、提示文件发现和错误。

B. 主要限制

与 Claude Code 不同，Copilot 不提供开放 API 来捕获完整的请求/响应对。Copilot 将所有请求路由通过专有的 Copilot 代理服务器，该服务器处理限流、认证和安全检查，然后转发到 LLM 后端。流量端到端加密。这意味着您无法轻松拦截原始提示+响应，而无需企业 MITM 代理（例如 Zscaler）。

C. Copilot 可以跟踪的内容

Copilot 底线：您无法从 VS Code 捕获单个建议级别的原始提示/响应对。您只能跟踪使用指标和代理模式会话日志。

第三部分：专属提示管理平台（SaaS）

如果您的目标是专门提示改进和迭代跟踪（而非仅原始日志记录），这些平台是为此专为构建的：

Platform Key Strength Open Source?
PromptLayer 中间件层，记录所有 LLM 请求，支持非技术提示迭代、A/B 测试和版本控制，通过视觉仪表板 No
Langfuse 开源 LLM 可观测性，详细跟踪、成本跟踪、延迟监控和提示版本控制 Yes
LangSmith 擅长日志记录、可追溯性、对提示性能的深度洞察、系统调试和优化 No
Datadog LLM Observability 将提示版本与性能指标相关联——延迟、token 成本、错误率——跨生产流量 No
Lilypad 将 LLM 调用包装在 Python 函数中，自动版本化所有更改，捕获完整执行上下文，以便每个输出可跟踪和重现 Yes

第四部分：是否应该构建自定义全栈系统？

是的，如果：

构建自己的推荐架构：

Claude Code (OTEL or JSONL) 
    ↓
后端 API (Node.js / FastAPI)
    ↓
数据库 (PostgreSQL 用于结构化数据 + 全文搜索)
    ↓
前端仪表板 (Next.js)
  - 查看所有会话 + 提示
  - 评分响应 (好/坏)
  - 注释和版本化提示
  - 并排比较提示版本
  - Token/成本分析

对于 Claude Code，具体来说，最简单的数据源是 ~/.claude/projects/ JSONL 文件——无需代理设置。您可以构建一个文件监视后端，以近实时摄入新会话。

对于 Copilot，您限于：代理会话日志（编码代理模式）+ 通过 GitHub API 的使用配额。没有企业网络代理，完整提示/响应捕获不可行。

参考资料：

Back Donate