const cleaned = redactCopy(payload, {
keys: ["access_token", "authorization"],
replacement: "[REDACTED]",
});
logger.info(cleaned);モデル
OpenAI互換またはAnthropicのエンドポイントを、ベースURLと必要なAPIキーで設定し、接続をテストします。ローカルのモデルサーバーは起動が必要です。リモートツールは別途データを送信する場合があります。
プロジェクト
配列、欠落フィールド、循環参照を確認し、イベント種別を保ちながら元のデータは変更しないでください。
適用前に確認
実際の動作を期待する結果と比較します。検証に失敗した場合は、次の変更を加える前に原因を調べてください。
const cleaned = redactCopy(payload, {
keys: ["access_token", "authorization"],
replacement: "[REDACTED]",
});
logger.info(cleaned);イベント自体を変えずに記録内容を変える
診断出力はアプリケーションの別の場所で作られたオブジェクトを受け取ることが多いため、ログ変更にも業務ロジックと同じ注意が必要です。Logquarryは、そのコードを接続モデルと調べるWindowsのAIコーディングワークスペースです。プロジェクトを選び、イベントの生成元、ログ前の変換、結果を受け取る出力先を特定してください。
入れ子のトークンを秘匿化するタスクなら、レビューを具体化できます。診断に必要なイベント種別を残しながら、変更案が配列、欠落したプロパティ、循環参照をどう扱うかを尋ねます。元のペイロードを別の処理が使う可能性もあるため、変換で別の結果を作るかも検討してください。秘匿化はここで開発するコードの例であり、Logquarryが機密の値を自動除去するという約束ではありません。
提案ができたらデータの流れを調べ、出力イベントと元のオブジェクトの両方を比較するフィクスチャを実行します。アシスタントに共有する資料に本物のトークンを含めないでください。対応するOpenAI互換またはAnthropicエンドポイントで提供されていれば、制限のないモデルを必要な認証情報とともに使えます。制限、ツール、コンテキストはプロバイダーとサーバーが定めます。ローカルモデルには別途稼働するサーバーが必要で、全接続ツールがローカルになるわけではありません。使う各接続の送信先を確認してください。
ログ処理の修正をレビューする
Logquarryはプロジェクト情報を自動で秘匿化しますか？
この作業手順は自動秘匿化を提供するものではありません。モデルのエンドポイントと共有する前に機密情報を除いた例を使ってください。このシナリオは、自分で調べ、変更し、テストするアプリケーションコードに関するものです。
秘匿化のフィクスチャではどの出力を検証すべきですか？
消すべきフィールドと残すべき診断用フィールドを確認します。呼び出し後の元オブジェクトも比較してください。ログ出力が正しく見えても、アプリケーションデータの意図しない変更が隠れている場合があります。
循環するデータをレビューに含めるのはなぜですか？
オブジェクトの参照構造には、先のオブジェクトへ戻る参照が含まれる場合があります。走査案がどう終了し、その参照をどう表すかを尋ねてください。全ペイロードを単純なJSONオブジェクトとして扱えると決めつけず、明示的にテストします。
実際のイベントをどこまで共有すべきですか？
問題の説明に必要な構造と値だけを示し、認証情報と識別情報を置き換えてください。動作の再現に十分な入れ子と型を残したうえで、設定したモデルとツールがその情報をどこへ送るかを確認します。
Logquarry · 更新日 2026-10-25
