OpenAI Responses API Telemetry：從邊界到驗證行
在受控應用程式邊界使用 OpenAI Responses API Telemetry，保持事件契約較小，並在建置聚合檢視之前驗證已知結果。
- 1
選擇結果
回應 API 成本和延遲分析
- 2
定義合約
operation_id、response_id、功能、工作流程、提供程式、模型和版本
- 3
埋點邊界
包裝應用程式擁有的 Responses API 呼叫，並在瞭解使用情況和結果後發出一個終端請求事件。
- 4
核實證據
Exercise a known fixture, then inspect openai_response_completed for one correctly typed terminal row.
開始之前
先決條件和界限
- 官方 OpenAI JavaScript SDK 和 telemetry-sh 在可信伺服器程式碼中初始化
- 應用程式擁有的操作 ID 以及穩定的功能、工作流程、模型別名和版本名稱
- 經過審查的提示、回應、工具和識別符號資料的策略
交貨設定
安裝並初始化伺服器端
在僅伺服器程式碼中匯入 telemetry-sh 並使用 process.env.TELEMETRY_API_KEY 對其進行一次初始化。 將攝取憑據保留在瀏覽器包、客戶端可見的環境變數、原始碼控制、日誌和異常訊息之外。
npm安裝
npm install telemetry-sh- 1準備一個具有有限網路行為的可重用伺服器端交付客戶端。
- 2在成功、失敗、重試或超時邊界處新增結果事件。
- 3在啟用警示之前傳送受控裝置並檢查儲存的行。
片段
從一個結構化事件開始
在工作流程完成、失敗或重試的位置新增此形狀。然後從真實的欄位建置儀表板。
OpenAI Responses API Telemetry事件
import OpenAI from "openai";
import { Telemetry } from "telemetry-sh";
const openai = new OpenAI();
const telemetry = new Telemetry(process.env.TELEMETRY_API_KEY);
const startedAt = performance.now();
let response;
let status = "success";
let errorType;
try {
response = await openai.responses.create({
model: process.env.OPENAI_MODEL ?? "gpt-5.6",
input: approvedInput,
});
return response.output_text;
} catch (error) {
status = "failed";
errorType = classifyOpenAIError(error);
throw error;
} finally {
await telemetry.log("openai_response_completed", {
operation_id: operationId,
response_id: response?.id,
feature: "support_draft",
provider: "openai",
model: response?.model ?? process.env.OPENAI_MODEL ?? "gpt-5.6",
status,
error_type: errorType,
duration_ms: Math.round(performance.now() - startedAt),
input_tokens: response?.usage?.input_tokens ?? 0,
output_tokens: response?.usage?.output_tokens ?? 0,
total_tokens: response?.usage?.total_tokens ?? 0,
release: process.env.APP_RELEASE,
});
}活動合約
operation_id、response_id、功能、工作流程、提供程式、模型和版本
狀態、duration_ms、input_tokens、output_tokens、total_tokens、retry_count 和 error_type
tool_call_count，已接受，human_handoff、estimated_cost_usd 和 pricing_version（已批准）
實施檢查點
檢查站 1
包裝應用程式擁有的 Responses API 呼叫，並在瞭解使用情況和結果後發出一個終端請求事件。
檢查站 2
提供商使用支援代幣記賬，但成本是應用程式擁有的估計，需要過時的價格來源和單獨的對賬。
檢查站 3
預設情況下，將提示、生成的輸出、工具參數、工具結果、API 金鑰和不受限制的異常訊息保留在事件之外。
驗證
證明事件已到達
在演練已知的成功和失敗案例後執行此命令。如果您的最終事件契約與程式碼片段不同，請替換後備資料表名稱。
OpenAI Responses API Telemetry 驗證查詢
SELECT *
FROM openai_response_completed
ORDER BY timestamp_utc DESC
LIMIT 20;實施參考
在啟用新的生產路徑之前，請檢查事件合約、資料安全指南和上游主要文件。
生產邊界
保持結果事件小且可恢復
該模式提供了
- 除了上游工作流程之外，還有一個有界的、SQL 就緒的結果。
- 用於儀表板、警示和跨事件關聯的穩定欄位。
- 用於驗證成功、失敗、重試和超時行為的夾具驅動路徑。
該模式不提供
- OTLP 匯出器、自動收集管道或詳細追蹤和診斷日誌的替代品。
- 僅因為有效負載包含事件 ID，所以僅傳送一次。
- 收集原始提供商有效負載、使用者內容、憑證或受監管資料的權限。
事件架構起點
此工作流程的事件契約
在將查詢或程式碼片段適應生產之前，請檢查行粒度、發出邊界、所需型別、隱私類、範例有效負載和驗證清單。
相關產品功能
繼續此工作流程 AI代理監控
透過可審查的 SQL 連線代理執行、工具使用、模型成本、品質和產品結果。
相關 SQL 查詢範例
用 SQL 回答下一個問題
針對此工作流程中的結構化欄位執行查詢，檢查範例結果，並將有用的答案轉換為儀表板或警示。
按功能和模型計算 LLM 成本
哪些產品功能和型號正在推動法學碩士支出？
開啟查詢範例衡量 LLM 快取節省和重試成本
有多少模型成本與重試和快取未命中相關？
開啟查詢範例測量 LLM 獲得第一個權杖的時間
在輸出開始之前，哪些模型和功能組合感覺很慢？
開啟查詢範例衡量每美元所接受的人工智慧產出
哪種模型和功能組合可以產生最受接受的單位美元產出？
開啟查詢範例按提示版本查詢 AI 品質回歸
新的提示版本是否在不增加人工交接的情況下提高了品質？
開啟查詢範例按實施系列瀏覽
比較相關整合模式
與此整合配對的範本
更多整合