☰

企业官网建设流程全解析

首页 / 建站日记 / 企业官网建设流程全解析
Local Deep Research 指标仪表盘（Metrics Dashboard）实战指南：追踪 Token 成本、搜索健康度与研究质量
2026/9/16 12:05:16 网站建设 项目流程

Local Deep Research 指标仪表盘（Metrics Dashboard）实战指南：追踪 Token 成本、搜索健康度与研究质量

【免费下载链接】local-deep-research~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10+ search engines - arXiv, PubMed, your private documents. Everything Local & Encrypted.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research

本地深度研究（Local Deep Research）系统的 Metrics Dashboard 是一套内置的、完全本地化的分析与监控面板，围绕 LLM Token 用量与成本、多搜索引擎健康度、研究会话统计、用户星级评价与限流（Rate Limiting）状态提供一站式可视化。本指南以 docs/analytics-dashboard.md 为核心脉络，结合 metrics 路由源码 与相关测试，完整讲解从访问、读图、API 拉取到基于数据进行成本优化、搜索调优与研究质量改进的完整工作流。读完本文，你将能够熟练使用/metrics面板与全部 Analytics API，并理解这些指标在底层是如何被采集与聚合的。

一、仪表盘概述：能监控什么

Metrics Dashboard 追踪四类核心数据，覆盖研究活动从"钱"到"效果"的完整闭环：

  • Token 用量与各 LLM 提供商的成本：输入/输出 Token 拆分、按模型与提供商的费用估算；
  • 搜索引擎性能与健康度：各引擎的成功率、响应时间、限流状态；
  • 研究会话统计：总研究次数、时长、完成状态、策略使用与查询复杂度；
  • 用户满意度评分：1～5 星评价与反馈文本分析；
  • 限流状态：实时等待时间与历史限流事件。

访问方式

  • Web 界面：浏览器访问/metrics；
  • 直接 URL：http://localhost:5000/metrics。

从源码看，所有指标接口都挂在同一个 FastAPI 路由下：metrics.py 中声明router = APIRouter(prefix="/metrics", tags=["metrics"])，且每个接口都通过require_auth依赖校验登录会话 Cookie，因此直接 curl 前需要先完成登录认证。

二、主面板组件与时间过滤

2.1 系统概览卡片（Overview Cards）

主仪表盘首屏以卡片形式呈现关键指标：

卡片说明
Total Tokens Used总 Token 消耗量，可点击展开查看按模型的输入/输出拆分
Total Researches已完成的研究会话总数
Average Response Time系统平均响应时间，用于评估性能
Success RateLLM 调用与操作的成功率百分比
User Satisfaction用户反馈的平均星级评分
Estimated Costs基于 Token 与模型单价估算的成本，按提供商拆分

这些指标的数据来源与聚合逻辑可参考 dashboard-improvements.md：摘要卡片、可展开 Token 明细、响应时间（毫秒转秒显示）、成功率监控均已在实现清单中。更细化的增强追踪方案见 enhanced-token-tracking.md。

2.2 时间范围与模式过滤

面板支持按时间窗口过滤分析数据：

  • 最近 7 天
  • 最近 30 天
  • 最近 3 个月
  • 最近 1 年
  • 全部时间（All time）

此外还支持按研究模式（Research mode）过滤：

  • Quick Summary（快速摘要）
  • Detailed（详细研究）
  • All（全部）

在源码中，时间与模式过滤由 query_utils.py 的get_period_days与get_time_filter_condition等工具函数实现，聚合逻辑的正确性由 tests/web/routers/test_metrics_analytics_aggregation.py 等测试覆盖。

三、三个详细分析子页面

3.1 星级评价分析（Star Reviews Analytics）

访问路径：/metrics/star-reviews。

提供的功能：

  • 5 星评分分布（rating distribution）；
  • 按时间段统计的平均评分；
  • 评分趋势可视化；
  • 按模型与搜索引擎拆分的评分表现；
  • 用户反馈文本分析。

对应底层接口GET /metrics/api/star-reviews，其分析逻辑（get_rating_analytics(period, research_mode, username)返回平均分、评分分布、满意度统计等）位于 metrics.py，相关数据模型ResearchRating定义于 database/models/metrics.py，并有 tests/web/routers/test_metrics_star_reviews.py 验证其行为。

3.2 成本分析（Cost Analytics）

访问路径：/metrics/costs。

追踪的指标包括：

  • 按提供商（OpenAI、Anthropic 等）的成本拆分；
  • Token 用量明细（输入/输出/合计）；
  • 成本随时间的变化趋势；
  • 特定模型的成本分析；
  • 不同研究类型的成本对比。

成本计算的底层实现依赖 metrics/query_utils.py 中的价格表与 tests/metrics/test_cost_calculator.py、tests/metrics/test_pricing_fetcher.py 等测试；价格数据可在线更新并缓存，具体机制可阅读 tests/metrics/test_pricing_cache.py。

3.3 限流仪表盘（Rate Limiting Dashboard）

实时监控内容：

  • 各搜索引擎的限流状态；
  • 每个引擎的成功/失败率；
  • 等待时间（Wait Time）追踪；
  • 引擎健康度指示器：
状态含义判定标准
🟢 Healthy健康成功率 > 95%
🟡 Degraded降级成功率 70%～95%
🔴 Poor差成功率 < 70%

四、被追踪的指标明细

Token 指标

  • 总 Token 数（输入 + 输出）；
  • 按模型统计的 Token 用量；
  • 每次研究的平均 Token 数；
  • Token 消耗趋势。

Token 计数的实现位于local_deep_research/metrics模块（TokenCounter在 metrics.py 中被导入使用），采集与入库逻辑可参见 database/thread_metrics.py 与 tests/metrics/test_token_counter.py 系列测试。

搜索指标

  • 搜索引擎使用频率；
  • 每个引擎的响应时间；
  • 成功/失败率；
  • 结果数量统计。

研究指标

  • 研究会话总数；
  • 研究时长；
  • 完成状态；
  • 策略使用情况（ResearchStrategy）；
  • 查询复杂度。

性能指标

  • API 响应时间；
  • 系统延迟；
  • 错误率；
  • 吞吐量统计。

五、数据导出

5.1 研究报告导出

单次研究结果支持三种导出格式：

  • PDF：带引用的格式化报告；
  • Markdown：带格式的原始 Markdown；
  • JSON：通过 API 获取的结构化数据。

5.2 分析数据 API 导出

所有分析数据均可通过 API 访问。这些端点全部位于 metrics 路由的/metrics前缀之下（metrics.py 中的APIRouter(prefix="/metrics")），并且都要求已认证的会话 Cookie：

# 获取总体指标 curl http://localhost:5000/metrics/api/metrics # 获取特定研究指标 curl http://localhost:5000/metrics/api/metrics/research/{research_id} # 获取增强追踪数据 curl http://localhost:5000/metrics/api/metrics/enhanced # 获取评分分析 curl http://localhost:5000/metrics/api/star-reviews # 获取成本分析 curl http://localhost:5000/metrics/api/cost-analytics # 获取限流状态 curl http://localhost:5000/metrics/api/rate-limiting

六、可视化方案：Chart.js

仪表盘使用Chart.js渲染图表，覆盖四类可视化：

  • 折线图（Line Charts）：Token 用量与搜索活动随时间的变化；
  • 柱状图（Bar Charts）：模型用量对比、成本拆分；
  • 饼图（Pie Charts）：提供商分布、搜索引擎使用占比；
  • 进度指示器（Progress Indicators）：成功率、健康状态。

前端页面模板位于 web/templates/pages/metrics.html，配套的运行时测试可见 tests/js/pages/metrics-dashboard-runtime.test.js 与 tests/ui_tests/test_metrics_chart.js。

七、成本追踪：自动计算与支持提供商

7.1 自动成本计算

成本估算基于四个输入：

  • 提供商定价（OpenAI、Anthropic 等）；
  • 实际 Token 用量；
  • 模型专属费率；
  • 输入与输出 Token 分别计费。

7.2 支持的提供商

提供商代表模型备注
OpenAIGPT-3.5、GPT-4按模型费率计费
AnthropicClaude 系列按模型费率计费
GoogleGemini 系列按模型费率计费
本地模型（Local）—显示为 $0（本地推理无 API 费用）

从源码结构可以推断：价格数据与成本计算模块独立成包，相关测试覆盖广泛，例如 tests/metrics/test_cost_calculator.py、tests/metrics/pricing/test_pricing_fetcher_coverage.py，以及 tests/web/routers/test_metrics_rate_limit_and_cost_endpoints.py 对成本端点的集成验证。

八、限流分析与管理

8.1 监控能力

  • 实时限流状态；
  • 历史限流事件；
  • 自动等待时间优化（learned wait times 随搜索自动自适应）；
  • 按引擎的性能追踪。

8.2 管理限流

系统会根据实际搜索运行情况自动学习并调整等待时间。如需主动干预，可在设置（Settings）中调整限流配置文件（rate limiting profile），三档可选：

  • Conservative（保守）：等待更久，降低触发限流的概率；
  • Balanced（均衡）：默认折中方案；
  • Aggressive（激进）：等待更短，吞吐更高但更易被限流。

限流相关实现可参考 tests/search_engines/test_rate_limiter.py、tests/rate_limiting/test_rate_limiting.py 等测试目录，以及数据模型RateLimitEstimate（导入自 database/models/metrics.py）。

九、隐私与数据存储

  • 所有分析数据本地存储；
  • 不接入任何外部分析服务（无第三方埋点）；
  • 数据保存在SQLite 数据库中；
  • 支持可配置的数据保留策略（configurable retention）。

这符合项目"Everything Local & Encrypted"的定位：指标数据与研究数据一样，始终留在用户自己的机器上。

十、用分析数据驱动优化

10.1 定位成本驱动因素

  1. 在成本分析页审查高 Token 消耗的查询；
  2. 对比模型成本与对应质量评分；
  3. 针对不同任务优化模型选择。

10.2 改进搜索性能

  1. 监控各搜索引擎健康状态；
  2. 识别频繁被限流的引擎；
  3. 依据成功率调整搜索策略。

10.3 提升研究质量

  1. 按研究类型分析用户评分；
  2. 复盘低分会话，寻找共性问题；
  3. 根据反馈调整参数。

十一、与基准测试系统的集成

高级用户可将分析数据与基准测试系统联动：

  • 追踪不同配置下的性能表现；
  • 可视化优化结果（当环境安装了 matplotlib 时）；
  • 对比质量与速度的权衡；
  • 导出基准测试数据供进一步分析。

相关配套文档见 基准测试指南 与 CLI 工具文档。

十二、API 参考（完整端点）

Metrics 端点

# 总体指标，可带时间与模式过滤 curl 'http://localhost:5000/metrics/api/metrics?days=30&mode=quick' # 特定研究的指标 curl http://localhost:5000/metrics/api/metrics/research/<id> # 增强指标（详细追踪） curl http://localhost:5000/metrics/api/metrics/enhanced # 星级评分数据 curl 'http://localhost:5000/metrics/api/star-reviews?days=30' # 成本拆分，可按提供商过滤 curl 'http://localhost:5000/metrics/api/cost-analytics?provider=openai' # 限流状态 curl http://localhost:5000/metrics/api/rate-limiting

其中days参数对应上文的时间过滤窗口，mode对应研究模式过滤（quick / detailed / all）；底层聚合分别由get_time_filter_condition、get_period_days与get_rating_analytics等函数完成（见 metrics.py 及 query_utils.py）。

另外，metrics-dashboard.md 还补充了更细粒度的接口表，包括：

  • GET /metrics/api/metrics/research/<id>/timeline：研究执行时间线；
  • GET /metrics/api/metrics/research/<id>/search：单次研究内的搜索指标；
  • GET /metrics/api/metrics/research/<id>/links：研究过程中发现的链接；
  • GET /metrics/api/pricing与GET /metrics/api/pricing/<model>：模型定价数据；
  • POST /metrics/api/domain-classifications/classify：批量域名分类（如{"domains": ["example.com", "arxiv.org"]}）；
  • GET /metrics/api/link-analytics：链接分析聚合数据；
  • GET /metrics/api/ratings/<research_id>与POST /metrics/api/ratings/<research_id>：读取与提交评分（Body 如{"rating": 5, "feedback": "Excellent results"}）。

十三、常见问题排查

  • 没有数据显示：请先完成至少一次研究，确认 Token 追踪已启用，然后刷新页面。
  • 成本估算不准：核对模型定价是否为最新、提供商识别是否正确；不同模型的 Token 统计口径可能有差异。
  • 限流数据缺失：先运行一些搜索产生数据，然后在设置中确认限流功能已启用，再刷新仪表盘。

相关文档

  • 功能文档
  • 配置指南
  • 完整配置参考
  • API 快速上手
  • 基准测试指南
  • 指标面板增强说明
  • 增强 Token 追踪说明

【免费下载链接】local-deep-research~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, ...). 10+ search engines - arXiv, PubMed, your private documents. Everything Local & Encrypted.项目地址: https://gitcode.com/GitHub_Trending/lo/local-deep-research

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

标签： 网站建设 企业官网 项目流程 UI设计 前端开发

热门文章

文章分类

标签云

网站建设 响应式设计 用户体验 SEO优化 前端开发 小程序 电商平台 性能优化

相关文章

您可能感兴趣的其他内容

Local Deep Research 通知丢弃原因精确化重构：从 `exception` 到 `webhook_failed`/`invalid_url` 的透明化诊断
2026/9/16 12:03:05 网站建设

Local Deep Research 通知丢弃原因精确化重构：从 `exception` 到 `webhook_failed`/`invalid_url` 的透明化诊断

Local Deep Research 通知丢弃原因精确化重构&#xff1a;从 exception 到 webhook_failed/invalid_url 的透明化诊断 【免费下载链接】local-deep-research ~95% on SimpleQA (e.g. Qwen3.6-27B on a 3090). Supports all local and cloud LLMs (llama.cpp, Ollama, Google, …...

阅读更多 →
JUCE 内嵌 VST3 SDK 的本地化修改解析：`// JUCE MODIFICATION` 标记与 clang-tidy 22 告警抑制方案
2026/9/16 12:02:37 网站建设

JUCE 内嵌 VST3 SDK 的本地化修改解析：`// JUCE MODIFICATION` 标记与 clang-tidy 22 告警抑制方案

JUCE 内嵌 VST3 SDK 的本地化修改解析&#xff1a;// JUCE MODIFICATION 标记与 clang-tidy 22 告警抑制方案 【免费下载链接】JUCE JUCE is an open-source cross-platform C application framework for desktop and mobile applications, including VST, VST3, AU, AUv3, LV2…...

阅读更多 →
ODS测试体系全解：BATS、契约测试与多发行版冒烟测试如何守护你的本地AI服务器
2026/9/16 12:01:50 网站建设

ODS测试体系全解：BATS、契约测试与多发行版冒烟测试如何守护你的本地AI服务器

ODS测试体系全解&#xff1a;BATS、契约测试与多发行版冒烟测试如何守护你的本地AI服务器 【免费下载链接】ODS Turn your PC, Mac, or Linux box into an AI server. LLM inference, chat UI, voice, agents, workflows, RAG, and image generation. 项目地址: https://gitc…...

阅读更多 →

需要专业的网站建设服务？

联系我们获取免费的网站建设咨询和方案报价，让我们帮助您实现业务目标

立即咨询