
11 月 2 日 · 8 分钟

最近 Harness 成了 AI 圈的热门话题,但当我们讨论 AI Agent 如何真正完成任务时,我觉得有一个经常被忽略的问题:
AI 怎么知道生产环境到底发生了什么?
#Axiom #日志 #AI编程 #MCP #Harness #DeepSeekHarness #ClaudeCode #CodingAgent #AI智能体 #可观测性 #DevOps #程序员 #asynctalk
这期我想聊聊我最近一直在用的日志服务 Axiom。
从传统的日志查询,到 Dataset、Dashboard 和 Monitor,Axiom 本身已经是一个相当不错的日志平台。但真正让我觉得它有意思的,是它提供的 MCP Server。
当日志系统接入 MCP 之后,Coding Agent 就不只是写代码了。它可以直接分析生产日志、查找错误、定位问题,甚至结合代码自动修复 Bug、补充日志。
进一步想象一下:
让 Agent 定期检查生产环境的日志 → 发现异常 → 分析代码 → 尝试修复 → 提交 PR。
日志不再只是给开发者 Debug 的工具,而开始成为 AI Agent 了解真实生产环境的一扇窗口。
视频里也简单聊到了我最近在关注的 Superlog,以及我对「Harness + MCP + 可观测性」这条路线的一些想法。
如果你有更好的日志管理方案,或者已经在尝试让 AI Agent 自动分析生产环境,欢迎一起讨论。
AI 从整集转写里归纳的,不是节目方的宣传语
接上 MCP 后,Coding Agent 能自主完成找错误日志、自动修 bug、自己加日志的完整闭环。
主播展示的是自己部署并正在使用的日志后台,包括两个真实服务的日志数据。
AI 读完整集转写后给出的推荐理由
一个后端工程师把自己在用的日志服务摊开来讲:日志怎么采集、怎么用 query 拉数据建 dashboard,然后重点演示接上 MCP 之后,Claude Code 能自己找错误日志、自动修 bug、甚至主动加日志,再用 routine 定期巡检生产环境。他还对比了 Kibana 自部署的麻烦,并提到正在观察的 Superlog。对想给个人项目配一套轻量日志方案的人来说,这是一份很具体的参考。
由 AI 从整集转写生成,是创作者说明之外的补充
主播分享了自己正在使用的一个日志服务,展示其日志采集、query 拉数、dashboard 与 monitor 能力,并对比 Kibana 自部署的麻烦与搜索瓶颈。重点在于它与 AI 的结合:通过 MCP Server,Claude Code 可以自主完成找错误日志、自动修 bug、自己加日志;再通过 routine 定期拉取生产日志做巡检。主播还提到正在观察 Superlog,认为 hobby 项目和小用户量项目可以直接接入。
点一章从那里开始播 · 与上面创作者标的时间点各自独立
日志打了二十年,为什么还是没打好
主播从后端打日志的日常切入,指出日志对 debug 和任务追踪的重要性,同时点明「如何做好日志」这个讨论了二十多年的问题至今没有好答案,引出本期要分享的自用日志服务。
一个日志后台的实际样子
主播展示自己部署的日志服务后台,可以看到接口调用事件、userID 与参数,数据由服务端采集接口上报并带上 tracing 数据。他强调界面漂亮,并对比 Kibana 需要自行部署、量级大时搜索成问题的缺点。
不靠搜索,靠 query 和 dashboard
这个日志服务的重点不在搜索,而是提供大量图表,用户可以通过 query 拉数据、自建 dashboard、配置 monitor。主播自己的两个服务就挂在这个平台上。
接上 MCP,用自然语言查日志
在 AI 时代,该服务提供 MCP Server。接上之后可以用自然语言问 Claude「日志有没有问题」,并让它在 Claude Code 里切到代码目录,自主完成找错误日志、自动修 bug、自己加日志。
用 routine 让 Agent 定期巡检生产
Claude Code 的 routine 机制可以调用 MCP Server,定期拉取生产环境最新日志来查问题、处理问题,形成更进一步的闭环。但 routine 目前每天运行一次,频率有限。
Superlog 还在观察,小项目可以先上
主播提到最近在观察 Superlog,方案看起来更进一步但免费额度有限,所以还在观望。最终建议是 hobby 项目或用户量不大的项目可以直接接入这个日志系统,并邀请听众留言讨论更好的日志管理方案。

11 月 2 日 · 8 分钟

10 月 26 日 · 6 分钟

10 月 16 日 · 12 分钟

10 月 8 日 · 6 分钟

AsyncTalk · 8 月 31 日 · 5 分钟
最近 Harness 成了 AI 圈的热门话题,但当我们讨论 AI Agent 如何真正完成任务时,我觉得有一个经常被忽略的问题:
AI 怎么知道生产环境到底发生了什么?
#Axiom #日志 #AI编程 #MCP #Harness #DeepSeekHarness #ClaudeCode #CodingAgent #AI智能体 #可观测性 #DevOps #程序员 #asynctalk
这期我想聊聊我最近一直在用的日志服务 Axiom。
从传统的日志查询,到 Dataset、Dashboard 和 Monitor,Axiom 本身已经是一个相当不错的日志平台。但真正让我觉得它有意思的,是它提供的 MCP Server。
当日志系统接入 MCP 之后,Coding Agent 就不只是写代码了。它可以直接分析生产日志、查找错误、定位问题,甚至结合代码自动修复 Bug、补充日志。
进一步想象一下:
让 Agent 定期检查生产环境的日志 → 发现异常 → 分析代码 → 尝试修复 → 提交 PR。
日志不再只是给开发者 Debug 的工具,而开始成为 AI Agent 了解真实生产环境的一扇窗口。
视频里也简单聊到了我最近在关注的 Superlog,以及我对「Harness + MCP + 可观测性」这条路线的一些想法。
如果你有更好的日志管理方案,或者已经在尝试让 AI Agent 自动分析生产环境,欢迎一起讨论。
AI 从整集转写里归纳的,不是节目方的宣传语
接上 MCP 后,Coding Agent 能自主完成找错误日志、自动修 bug、自己加日志的完整闭环。
主播展示的是自己部署并正在使用的日志后台,包括两个真实服务的日志数据。
AI 读完整集转写后给出的推荐理由
一个后端工程师把自己在用的日志服务摊开来讲:日志怎么采集、怎么用 query 拉数据建 dashboard,然后重点演示接上 MCP 之后,Claude Code 能自己找错误日志、自动修 bug、甚至主动加日志,再用 routine 定期巡检生产环境。他还对比了 Kibana 自部署的麻烦,并提到正在观察的 Superlog。对想给个人项目配一套轻量日志方案的人来说,这是一份很具体的参考。
由 AI 从整集转写生成,是创作者说明之外的补充
主播分享了自己正在使用的一个日志服务,展示其日志采集、query 拉数、dashboard 与 monitor 能力,并对比 Kibana 自部署的麻烦与搜索瓶颈。重点在于它与 AI 的结合:通过 MCP Server,Claude Code 可以自主完成找错误日志、自动修 bug、自己加日志;再通过 routine 定期拉取生产日志做巡检。主播还提到正在观察 Superlog,认为 hobby 项目和小用户量项目可以直接接入。
点一章从那里开始播 · 与创作者标的时间点各自独立
日志打了二十年,为什么还是没打好
一个日志后台的实际样子
不靠搜索,靠 query 和 dashboard
接上 MCP,用自然语言查日志
用 routine 让 Agent 定期巡检生产
Superlog 还在观察,小项目可以先上
节目里自然聊到的,不是广告

AI 对内容的推测
☕🧄 这个比喻出自 2009 年周立波的一句「喝咖啡的怎么能和吃大蒜的呆在一起呢」;郭德纲后来在《你要高雅》里回了一句「雅和俗分不开,喝着咖啡就着大蒜,秋水共长天一色」。我们借它标注风格取向 —— 两端没有高下,编辑部式与熟人局式都能做出极好的节目。
http://www.ximalaya.com/album/53875103.xml复制概要、章节、提及与推广标注由 AI 生成,可能有误;内容版权归创作者,声湃按创作者开放的 RSS 收录。了解收录与 RSS →

11 月 2 日 · 8 分钟

10 月 26 日 · 6 分钟

10 月 16 日 · 12 分钟