审计日志与 Token 追踪

mem0 Memory Service 内置审计日志和 Token 用量追踪，每次 API 调用均自动记录。可用于监控 API 使用情况、评估 LLM 成本、对接外部日志采集系统。

日志位置

Docker 部署时，审计日志写入 ./audit_logs/ 目录（在 docker-compose.yml 中挂载为 ./audit_logs:/app/audit_logs），宿主机可直接访问。

• 格式：JSONL（每行一个 JSON 对象）
• 滚动：按天滚动，每天生成新文件
• 保留：30 天前的文件自动清理

日志格式

每次 API 调用产生两条日志：一条请求日志和一条 Token 用量日志。

请求日志

{"ts":"2026-04-03T15:24:51.973471+00:00","method":"POST","path":"/memory/add","status":200,"elapsed_ms":36294,"ip":"127.0.0.1","agent_id":"dev","user_id":"boss"}

字段	类型	说明
ts	string	ISO 8601 时间戳（含时区）
method	string	HTTP 方法（GET、POST、PUT、DELETE）
path	string	API 端点路径
status	int	HTTP 响应状态码
elapsed_ms	int	请求耗时（毫秒）
ip	string	客户端 IP 地址
agent_id	string	Agent 标识
user_id	string	用户标识

Token 用量日志

{"ts":"2026-04-03T15:24:51.973128+00:00","type":"token_usage","path":"/memory/add","agent_id":"dev","user_id":"boss","llm_calls":19,"input_tokens":42256,"output_tokens":38000,"total_tokens":80256}

字段	类型	说明
ts	string	ISO 8601 时间戳（含时区）
type	string	固定值 token_usage
path	string	API 端点路径
agent_id	string	Agent 标识
user_id	string	用户标识
llm_calls	int	本次请求中 LLM 调用次数
input_tokens	int	消耗的输入 token 总数
output_tokens	int	消耗的输出 token 总数
total_tokens	int	输入 + 输出 token 总和

Token 追踪与成本估算

Bedrock 定价参考

模型	输入	输出
Claude Haiku 3.5	$0.80 / 1M tokens	$4.00 / 1M tokens
Titan Embed Text v2	$0.02 / 1M tokens	—

成本计算示例

以上面的 Token 用量日志为例（一次 add with infer=True）：

• 输入：42,256 tokens × $0.80 / 1M = $0.0338
• 输出：38,000 tokens × $4.00 / 1M = $0.1520
• 本次请求总计：~$0.186

WARNING

add with infer=True 会触发多次 LLM 调用（本例中为 19 次），用于记忆提取和去重——这是成本最高的操作。search 仅触发 embedding（Titan Embed v2，$0.02/1M tokens），成本几乎可忽略。

对接外部日志采集

audit_logs/ 目录下的 JSONL 文件可被任何支持文件 tail 的日志采集工具读取。以下是三种常见配置。

Fluent Bit → OpenSearch

[INPUT]
    Name        tail
    Path        /path/to/mem0-memory-service/audit_logs/*.jsonl
    Tag         mem0.audit
    Parser      json
    Refresh_Interval 5

[OUTPUT]
    Name        opensearch
    Match       mem0.audit
    Host        your-opensearch-host
    Port        443
    Index       mem0-audit-logs
    Type        _doc
    tls         On
    HTTP_User   admin
    HTTP_Passwd your-password

Vector → Elasticsearch

sources:
  mem0_audit:
    type: file
    include:
      - /path/to/mem0-memory-service/audit_logs/*.jsonl

transforms:
  parse_json:
    type: remap
    inputs:
      - mem0_audit
    source: '. = parse_json!(string!(.message))'

sinks:
  elasticsearch:
    type: elasticsearch
    inputs:
      - parse_json
    endpoints:
      - https://your-elasticsearch-host:9200
    bulk:
      index: mem0-audit-logs

AWS CloudWatch Logs Agent

{
  "logs": {
    "logs_collected": {
      "files": {
        "collect_list": [
          {
            "file_path": "/path/to/mem0-memory-service/audit_logs/*.jsonl",
            "log_group_name": "/mem0/audit-logs",
            "log_stream_name": "{instance_id}",
            "timezone": "UTC"
          }
        ]
      }
    }
  }
}

查询审计日志

使用 jq 直接在宿主机上查询 JSONL 文件。

今日 Token 总用量：

cat audit_logs/$(date +%Y-%m-%d)*.jsonl | \
  jq -s '[.[] | select(.type=="token_usage")] | {total_input: (map(.input_tokens) | add), total_output: (map(.output_tokens) | add), total: (map(.total_tokens) | add)}'

按 Agent 汇总 Token 用量：

cat audit_logs/*.jsonl | \
  jq -s 'group_by(.agent_id) | map({agent: .[0].agent_id, total_tokens: (map(.total_tokens // 0) | add)}) | sort_by(-.total_tokens)'

最慢的 5 个请求：

cat audit_logs/*.jsonl | \
  jq -s '[.[] | select(.elapsed_ms)] | sort_by(-.elapsed_ms) | .[:5] | .[] | {path, elapsed_ms, agent_id, ts}'

错误率（非 2xx 响应）：

cat audit_logs/*.jsonl | \
  jq -s '[.[] | select(.status)] | {total: length, errors: ([.[] | select(.status >= 400)] | length)} | .rate = (.errors / .total * 100 | round | tostring + "%")'