基于Azure ML Studio的Azure Prompt Flow聊天交互日志记录方法咨询

你可以通过以下几种Azure原生方案实现用户输入的记录，无需对接外部日志应用：

1. 启用Prompt Flow内置详细日志 #

在Azure Machine Learning Studio配置Prompt Flow部署时，可开启记录输入和输出的日志选项：

• 进入Prompt Flow部署配置页的日志设置模块
• 勾选"记录输入与输出"，相关数据会自动同步到Azure Monitor的Log Analytics工作区
• 可通过Log Analytics查询语句检索用户输入，示例：

  PromptFlowDeploymentLogs
  | where OperationName == "UserInputProcessed"
  | project TimeGenerated, InputContent, SessionId
  

2. 集成Azure Application Insights #

在Prompt Flow流程中添加自定义代码节点，将用户输入直接上报至Application Insights：

• 在用户输入进入流程的环节后插入Python代码节点
• 使用Azure Application Insights SDK捕获输入内容，代码示例：

  from opencensus.ext.azure.log_exporter import AzureLogHandler
  import logging
  
  logger = logging.getLogger("user_input_tracker")
  logger.addHandler(AzureLogHandler(connection_string="你的App Insights连接字符串"))
  logger.info("用户输入记录", extra={"custom_dimensions": {"user_input": 输入内容变量}})
  

• 后续可在Application Insights的日志面板中筛选、分析用户输入数据

3. 持久化到Azure Blob Storage #

若需长期存储用户输入，可在Prompt Flow中添加代码节点将数据写入Azure Blob存储：

• 创建Azure Blob存储容器并获取账户连接字符串
• 编写Python代码完成输入内容的上传，示例：

  from azure.storage.blob import BlobServiceClient
  from datetime import datetime
  
  blob_service = BlobServiceClient.from_connection_string("你的存储连接字符串")
  container = blob_service.get_container_client("user-input-archive")
  blob_name = f"input_{datetime.utcnow().strftime('%Y%m%d_%H%M%S')}.txt"
  container.upload_blob(name=blob_name, data=用户输入内容)
  

以上方案均基于Azure原生工具实现，无需依赖外部日志应用，可根据存储周期、分析需求选择适配的方式。

内容的提问来源于stack exchange，提问作者Malix