ailine/backend/app/utils/logging.py

"""
LangGraph 节点日志工具模块
提供状态流转追踪和 LLM 输入输出打印功能
"""

from typing import Any
from backend.app.config import ENABLE_GRAPH_TRACE
from backend.app.logger import debug, info


def log_state_change(node_name: str, state: Any, prefix: str = "进入"):
    """
    记录状态变化日志

    Args:
        node_name: 节点名称
        state: 当前状态
        prefix: 日志前缀（"进入" 或 "离开"）
    """
    from backend.app.logger import info

    messages = state.messages
    msg_count = len(messages)
    last_msg = messages[-1] if messages else None
    last_info = ""
    if last_msg:
        content_preview = str(last_msg.content)[:10].replace("\n", " ")
        msg_type = getattr(last_msg, 'type', 'unknown')
        last_info = f"{msg_type.upper()}: {content_preview}"
    info(f"🔄 [{node_name}] {prefix} | 消息数:{msg_count} | 最后一条:{last_info}")


def print_llm_input(prompt_value):
    """
    RunnableLambda 回调函数：打印格式化后发送给 LLM 的完整消息
    
    Args:
        prompt_value: ChatPromptValue 对象，包含格式化后的消息列表
    
    Returns:
        原样返回 prompt_value，不影响链式调用
    """
    if not ENABLE_GRAPH_TRACE:
        return prompt_value

    messages = prompt_value.messages  # ChatPromptValue 提供 .messages 属性
    
    debug("\n" + "="*80)
    debug("📥 [LLM输入] 格式化后发送给大模型的完整消息:")
    debug(f"   总消息数: {len(messages)}")
    debug("-"*80)
    for i, msg in enumerate(messages):
        content_preview = str(msg.content)  # 完整输出
        debug(f"   [{i}] {msg.type.upper():10s}: {content_preview}")
    debug("\n" + "="*80 + "\n")
    
    return prompt_value