[joesmart]

改了什么

结构化日志

• 新增 packages/control-plane/src/log.ts，不引新依赖。每行一条 JSON：time、level、msg，再带上下文字段 runId、computerId、groupId、botId（有哪个带哪个）和各处自己的字段。LOG_FORMAT=pretty 输出 HH:MM:SS.mmm LEVEL msg k=v，错误另起几行写 message 和 stack。
• pnpm dev 给控制面默认设 LOG_FORMAT=pretty，生产不设就是 JSON；写了别的值启动报 LOG_FORMAT 只能是 json 或 pretty 并以 1 退出。
• 控制面 src/ 里除了 src/scripts/*（给人复制的 CLI 输出）以外，console.* 全部换成 log.*。原来打完整 error 的地方，err 带 name、code、message、stack；原来只记 errorKind 的地方（报文、牌桌、例行这类异常原文可能夹着用户正文的），改用 concealed(error)，只记 name、code 和 stack 里的 at 行，隐私边界不变。
• 脱敏：每行输出前，Bearer xxx 换成 Bearer [已隐去]，UPSTREAM_API_KEY、METRICS_TOKEN 的原值换成 [已隐去]。电脑 token、网关 key、登录 cookie 本来就不进日志。

指标

• GET /metrics，Prometheus 文本格式。只有设了 METRICS_TOKEN 才开，要带 Authorization: Bearer <token>，错了回 401，没设回 404。
• 指标：baize_computers_online、baize_runs{state=running|unsettled|settled}、baize_gateway_responses_total{code}（网关 /chat/completions 回给电脑的每个状态码，含 模型网关加上游超时和按电脑限速，Pi 拿到 504/429 报错收尾不再挂住 (#46) #116 的 504 和 429）、baize_continuation_backlog（补扫积压）、baize_websocket_connections{kind=agent|push|live}。

错误上报

• 不接第三方。error 日志加上指标，已经够运维接 Loki/Prometheus：docs/部署.md 新开「日志和指标」一节，写了字段含义、Promtail 的 docker_sd 示例、指标表、Prometheus 抓取配置和告警示例；还写明 Caddy 不转发 /metrics，要从内网直接抓 3001。

其他

• .env.example、docs/开发.md、deploy/README.md、deploy/remote/docker-compose.yml 加了 LOG_FORMAT、METRICS_TOKEN。
• 电脑代理和运行器这次不动。

为什么

#29：控制面的日志原来是 console.error(文案, error) 拼出来的散文，收集器按 run 或电脑查不了；也没有任何指标可抓。另外，旧代码在上游报错时会把上游回包的前 200 字原样写进日志，上游要是在回包里回显了 Authorization，UPSTREAM_API_KEY 就进了日志（下面「main 上的证据」）。

怎么验证

pnpm format:check && pnpm typecheck && pnpm lint      # 通过，0 error（警告都在别的包的老代码里）
.lane/pg-serial.sh pnpm --filter @baize/control-plane test
  Test Files  127 passed | 1 skipped (128)
       Tests  1602 passed | 1 skipped (1603)
E2E_API_PORT=3931 E2E_WEB_PORT=5931 .lane/pg-serial.sh pnpm --filter @baize/e2e test
  Test Files  27 passed (27)
       Tests  55 passed (55)

新加的用例：

• test/metrics-endpoint.test.ts：没设 token 回 404；token 不带或错回 401，对了回 200，在线电脑数和 WebSocket 数对得上；派出一个 run 记成 running，run_done 结账后挪到 settled。
• test/gateway.test.ts 的「运维」：504 和 429 按状态码记进 /metrics；上游把收到的 Authorization 原样回显，日志里既没有网关 key 也没有上游 key。
• test/process.test.ts：不设 LOG_FORMAT 时真进程每行都是合法 JSON，单聊里交上来的复盘被丢掉，那一行带 runId、computerId、groupId、botId，也不带复盘正文；LOG_FORMAT=pretty 输出人读的一行；写了别的值以 1 退出。
• 7 个已有测试文件（env、gateway、oauth、p3-cp-guards-uplink、p3-table-cp、publish、reconnect）原来断言的是 console 参数的形状，改成解析 JSON 行，再断言 msg 和字段，语义不变。

main 上的证据：把 packages/control-plane/src 换回 main，跑新用例，8 条里红 7 条（404 那条本来就绿，因为没有这个路由）。去掉密钥那条的 JSON 解析断言再跑一次，报 上游 key: expected '模型上游返回 401，正文前 200 字：bad credentials:…' not to contain 'sk-fake-upstream'，说明旧代码确实会把上游 key 写进日志。

Closes #29

🤖 Generated with Claude Code

https://claude.ai/code/session_01LiP6qRYYXznuykpeTFtrZC