日志分析提示词（海量报错日志归类：高频模式、首次出现时间、影响范围与排查优先级）

怎么填变量：[时间范围与事件] 是区分「新问题」和「老毛病」的关键，写清「14:05 发版，14:12 开始告警」，AI 才能做前后对比。日志量很大时不要硬贴，先让它生成聚合脚本，在本地跑出前 50 个模板的统计再贴回来，既省上下文，也避免把大量敏感数据交给外部服务。

和「程序报错怎么解决」提示词的区别：那条适合一个具体报错的深挖；这条适合面对大量日志时先找出「该深挖哪一个」。找到优先级最高的错误后，可以把它的完整堆栈交给那条提示词继续定位。

常见坑：日志中常带用户手机号、token、内网 IP，粘贴前先脱敏；不同实例的时区不一致会让时间线错乱，先确认都是同一时区。

追问技巧：对排名第一的模板追问「列出能证实或排除它是根因的 3 个证据」；复盘时说「根据这次的模式，建议增加哪些告警规则」。

示例输出

示例，仅供参考

结论：14:05 发版后新出现「连接池等待超时」模板（1,842 次），与接口超时告警的时间吻合，优先排查；「Redis 重连」每天都有，属背景噪音。

本地聚合脚本（节选）：

python
import re
from collections import Counter

RULES = [
    (re.compile(r"\b[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}\b", re.I), "<UUID>"),
    (re.compile(r"\b\d{1,3}(?:\.\d{1,3}){3}\b"), "<IP>"),
    (re.compile(r"\d+"), "<N>"),
]

def to_template(message: str) -> str:
    for pattern, placeholder in RULES:   # 先替换长模式，再替换普通数字
        message = pattern.sub(placeholder, message)
    return message.strip()

counter = Counter()
with open("app.log", encoding="utf-8", errors="replace") as f:
    for line in f:
        if " ERROR " in line:
            # 假设每行前 3 段是 日期 时间 级别，其后是消息
            counter[to_template(line.split(" ", 3)[-1])] += 1

for template, count in counter.most_common(50):
    print(count, template)