如果您希望在Hermes Agent运行过程中追踪其执行动作、命令调用与状态变更，则需为其配置可持久化、结构化的操作日志记录机制。
日志配置方法
全局日志配置
在run_agent.py文件中，我们可以看到全局日志配置的示例：
logging.basicConfig(
level=logging.DEBUG,
format="%(ascTIMe)s - %(name)s - %(levelname)s - %(message)s"
)
# 控制第三方库日志级别
logging.getLogger('openai').setLevel(logging.WARNING)
logging.getLogger('httpx').setLevel(logging.WARNING)
Python
运行
这段代码将全局日志级别设置为DEBUG，同时降低了第三方库的日志级别，以减少不必要的日志输出。
工具特定日志配置
Hermes Agent的各个工具模块还支持单独的调试日志配置。例如，在web_tools.py中，我们可以看到：
_debug = DebugSession("web_tools", env_var="WEB_TOOLS_DEBUG")
python
运行
通过设置环境变量WEB_TOOLS_DEBUG=true，可以启用web工具的详细调试日志。类似地，其他工具如image_generation_tool、vision_tools等也都支持类似的环境变量控制。
日志级别使用指南
DEBUG级别
DEBUG级别用于输出详细的调试信息，通常在开发阶段使用。例如，在model_tools.py中：
logger.debug("Could not import %s: %s", mod_name, e)
python
运行
这段代码在导入模块失败时输出DEBUG级别的日志，帮助开发者定位导入问题。
INFO级别
INFO级别用于输出程序运行的关键信息。例如，在environments/hermes_base_env.py中：
("Resolved %d tools for group: %s", len(valid_names),sorted(valid_names))
python
运行
这段代码记录了工具解析的结果，帮助开发者了解系统加载的工具情况。
WARNING级别
WARNING级别用于输出可能存在问题但不影响程序运行的警告信息。例如，在trajectory_compressor.py中：
self.logger.warning(f"Summarization attempt {attempt + 1} failed: {e}")
python
运行
这段代码记录了摘要生成失败的警告，提示开发者可能需要关注摘要功能。
ERROR级别
ERROR级别用于输出影响程序功能的错误信息。例如，在environments/benchmarks/terminalbench_2/terminalbench2_env.py中：
logger.error("Task %s: rollout failed: %s", task_name, e, exc_info=True)
python
运行
这段代码记录了任务执行失败的错误信息，并包含了异常堆栈，帮助开发者定位问题根源。
实用调试技巧
临时调整日志级别
在batch_runner.py中，我们可以看到一个临时调整日志级别的技巧：
# 临时抑制DEBUG日志以避免进度条干扰
root_logger = logging.getLogger()
original_level = root_logger.level
root_logger.setLevel(logging.WARNING)
# 执行某些操作...
root_logger.setLevel(original_level)
python
运行
这种方法可以在不修改全局配置的情况下，临时调整特定代码块的日志级别。
第三方库日志控制
Hermes Agent还提供了控制第三方库日志的方法，在run_agent.py中：
# 降低第三方库日志级别以减少噪音
logging.getLogger('openai').setLevel(logging.WARNING)
logging.getLogger('httpx').setLevel(logging.WARNING)
logging.getLogger('asyncio').setLevel(logging.WARNING)
python
运行
通过这种方式，可以避免第三方库的日志淹没应用程序本身的日志信息。
工具特定调试模式
如前所述，许多工具模块支持通过环境变量启用调试模式。例如，要启用web工具的调试模式，可以执行：
export WEB_TOOLS_DEBUG=true
bash
启用后，相关工具会输出更详细的调试信息，帮助定位问题。
日志分析与问题排查流程
确定日志级别：根据问题严重程度选择合适的日志级别，一般问题排查建议使用INFO或DEBUG级别。
检查关键日志文件：重点关注以下文件中的日志输出：
run_agent.py：主程序运行日志
trajectory_compressor.py：轨迹压缩相关日志
environments/hermes_base_env.py：环境相关日志
具体工具模块日志(如web_tools.py、terminal_tool.py等)
搜索关键词：使用日志分析工具搜索关键词，如"ERROR"、"WARNING"或具体错误信息。
结合上下文分析：日志信息需要结合上下文分析，注意日志中的时间戳和模块名称，以便定位问题发生的位置和原因。
使用调试模式：对于难以定位的问题，可以启用相应工具的调试模式，获取更详细的日志信息。
通过AOP切面统一拦截操作方法
利用Spring AOP对所有继承自BaSeaction的执行方法进行环绕通知，在不侵入业务逻辑的前提下自动记录入参、耗时与结果状态。
1、定义切点表达式@Pointcut("execution(*com.hermes.agent.action..*Action.execute(..))")。
2、在@Around通知中获取方法签名、参数值与执行开始时间。
3、执行目标方法后，捕获返回值或异常，构造包含methodName、params、durationMs、status的JSON字符串。
4、调用info()输出该JSON，并确保日志级别为INFO且独立于普通调试日志。
5、确认切面类已添加@Aspect与@Component注解，并被Spring容器管理。
启用数据库持久化日志表
将高频关键操作(如任务触发、权限校验失败、插件加载异常)写入mysql或PostgreSQL中的t_operation_log表，保障日志不因服务中断而丢失。
1、在数据库中创建表结构，包含字段：id(BIGINTAUTO_INCREMENT)、trace_id(VARCHAR(36))、action_type(VARCHAR(64))、status(TINYINT)、params_json(TEXT)、created_at(DATETIMEDEFAULT CURRENT_TIMEStamp)。
2、引入spring-jdbc依赖，在OperationLogService中封装JdbcTemplate.update()插入逻辑。
3、在各核心操作链路末尾(如TaskScheduler.trigger()返回前)调用该服务，传入必要字段。
4、设置数据库连接池最大活跃数不低于5，避免日志写入阻塞主流程。
5、对params_json字段内容执行StringEscapeUtils.escapeJson()处理，防止SQL注入与JSON解析异常。
End
