const cleaned = redactCopy(payload, {
keys: ["access_token", "authorization"],
replacement: "[REDACTED]",
});
logger.info(cleaned);모델
기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
프로젝트
배열, 누락 필드, 순환 객체를 확인하면서 이벤트 유형을 유지하고 원본 데이터는 바꾸지 마세요.
적용하기 전에 검토하세요
실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요.
const cleaned = redactCopy(payload, {
keys: ["access_token", "authorization"],
replacement: "[REDACTED]",
});
logger.info(cleaned);이벤트는 바꾸지 않고 기록되는 내용을 바꾸세요
진단 출력은 애플리케이션의 다른 곳에서 생성된 객체를 자주 받으므로 로깅 변경에도 비즈니스 로직과 같은 주의가 필요합니다. Logquarry는 연결된 모델과 그 코드를 살펴보는 Windows AI 코딩 작업 공간입니다. 프로젝트를 선택하고 이벤트 생성자, 로깅 전 변환, 결과를 받는 대상을 식별하세요.
중첩된 토큰을 마스킹하는 작업은 검토를 구체화합니다. 진단에 필요한 이벤트 유형을 보존하면서 제안된 변경이 배열, 없는 속성, 순환 참조를 어떻게 처리하는지 물어보세요. 원래 페이로드를 다른 작업에서 계속 쓸 수 있으므로 변환이 별도 결과를 만드는지도 논의하세요. 마스킹은 여기서 개발할 코드의 예시이며 Logquarry가 민감한 값을 자동 제거한다는 약속이 아닙니다.
제안이 준비되면 데이터 흐름을 살펴보고 출력된 이벤트와 원래 객체를 모두 비교하는 픽스처를 실행하세요. 어시스턴트와 공유할 자료에서 실제 토큰을 제외하세요. 제공되는 경우 제약 없는 모델이 지원되는 OpenAI 호환 또는 Anthropic 엔드포인트를 통해 참여할 수 있으며 필요한 곳에는 자격 증명을 사용합니다. 제한, 도구, 컨텍스트는 제공업체와 서버가 결정합니다. 로컬 모델에는 별도로 실행 중인 서버가 필요하며 연결된 모든 도구가 로컬이 되는 것은 아닙니다. 사용하는 각 연결의 대상을 검토하세요.
로깅 패치 검토
Logquarry가 프로젝트 맥락을 자동으로 마스킹하나요?
이 작업 흐름은 자동 마스킹을 보장하지 않습니다. 모델 엔드포인트와 공유하기 전에 민감 정보를 제거한 예시를 사용하세요. 마스킹 시나리오는 직접 살펴보고 수정하고 테스트하는 애플리케이션 코드에 관한 것입니다.
마스킹 픽스처는 어떤 출력을 단언해야 하나요?
사라져야 할 필드와 남아야 할 진단 필드를 확인하세요. 올바르게 보이는 로그 출력도 애플리케이션 데이터의 의도치 않은 변경을 숨길 수 있으므로 호출 후 원본 객체도 비교하세요.
검토에 순환 데이터를 포함하는 이유는 무엇인가요?
객체 그래프는 앞선 객체를 다시 참조할 수 있습니다. 제안된 순회가 어떻게 종료되고 그 참조를 어떻게 표현하는지 물어보세요. 모든 페이로드를 단순 JSON 객체처럼 처리할 수 있다고 가정하지 말고 그 동작을 명시적으로 테스트하세요.
실제 이벤트를 얼마나 공유해야 하나요?
자격 증명과 식별 정보를 대체하고 문제 설명에 필요한 구조와 값만 제공하세요. 동작 재현에 충분한 중첩 구조와 유형을 유지한 뒤 설정한 모델과 도구가 그 맥락을 어디로 보내는지 검토하세요.
Logquarry · 업데이트 2026-10-25
