跳到主要内容

分析

OPL 数据空间 的分析功能会为管理员提供横跨整个实例的使用模式、Token 消耗和模型表现洞察。它帮助你理解用户如何与 AI 模型交互，并据此做资源分配、模型保留和成本控制决策。

特权功能

管理员分析面向 admins、managers 等具备运营权限的角色。入口在 管理员面板 > Analytics。

关闭分析

如果你不需要分析标签页，可以把 ENABLE_ADMIN_ANALYTICS 设为 False 来完全隐藏它。这会阻止 analytics API router 挂载，并从管理导航中移除标签页。该变更需要重启后生效。

个人分析是独立能力

如果你希望普通用户查看自己的活动数据，但不想给他们管理员级全局仪表盘访问权限，请使用 个人分析。

概览​

分析仪表盘会从更高视角展示 OPL 数据空间 实例中的活动情况，包括：

  • 不同模型、不同时间范围内的 消息量
  • 用于成本估算和资源规划的 Token 使用
  • 用于理解活跃度的 用户活动模式
  • 展示小时、天或月趋势的 时间序列数据

所有分析数据都来源于实例数据库里的消息历史。启用分析后， OPL 数据空间 会自动跟踪并索引消息，提供更快、可查询的运营洞察。

如何访问分析​

  1. 使用 admin 账号登录
  2. 进入 管理员面板
  3. 点击管理导航里的分析标签页

如果启用了组织，全局管理员可以在两种作用域下使用它：

  • Global：聚合所有组织的数据
  • 选中的组织：把指标过滤到单一租户

仪表盘能力​

时间范围选择​

在仪表盘右上角，你可以按时间范围过滤全部数据：

  • 过去 24 小时：按小时粒度监控实时情况
  • 过去 7 天：看最近一周的每日概览
  • 过去 30 天：月度快照
  • 过去 90 天：季度趋势
  • 全部时间：完整历史数据

你选择的时间范围会被自动保存，并在浏览器会话之间保留。

用户组过滤​

如果你配置了 用户组，分析还支持按组过滤：

  • 使用时间范围选择器旁边的 group dropdown
  • 选择某个组，只看该组用户的分析数据
  • 选择 “All Users” 则查看实例范围的汇总分析

常见用途：

  • 部门级报表
  • 成本归集
  • 试点项目使用监控

当你变更时间范围或用户组筛选后，页面上的所有指标都会自动更新。

汇总统计​

仪表盘头部会展示当前时间范围内的关键指标：

  • Total Messages：生成的 assistant 回复数量
  • Total Tokens：所有输入与输出 Token 总和
  • Total Chats：唯一会话数量
  • Total Users：发送过消息的用户数量
消息计数口径

分析统计的是 assistant 回复，而不是用户消息。这更能准确反映模型使用量和 Token 消耗。

消息时间线图​

交互式时间线图会按模型拆分消息量随时间变化的趋势。它支持：

  • 根据所选时间范围自动切换为小时或天粒度
  • 最多展示 8 个模型，并用不同颜色区分
  • 悬停时显示任意时间点的精确计数与占比
  • 快速发现忙时、模型采用趋势和异常峰值

这个图适合用来：

  • 做容量规划
  • 观察新模型上线后的采用情况
  • 识别异常流量
  • 评估公告或策略调整后的影响

模型使用表​

表格会详细拆分每个模型的使用情况：

列含义
#按消息量排序的排名
Model模型名称与图标
Messages生成的 assistant 回复总数
Tokens消耗的总 Token（输入 + 输出）
%在全部消息中的占比

支持能力：

  • 点击列头排序
  • 用图标快速识别模型
  • 观察哪个模型最耗资源
  • 点击某一行打开模型详情弹窗

典型用途：

  • 找出最受欢迎的模型
  • 结合 provider 定价估算模型成本
  • 决定保留、下线或替换哪些模型
  • 根据使用情况规划基础设施升级

模型详情弹窗​

点击任一模型行后，会打开带两个标签的详情弹窗。

Overview 标签​

这里会展示：

  • 反馈活动图：按时间展示用户点赞/点踩历史
  • 可切换 30 天、1 年 或 全部时间 视图
  • 长时间范围下会自动按周聚合
  • 与该模型相关度最高的前 10 个聊天标签

这有助于你理解：

  • 用户对模型质量的长期感知
  • 该模型主要被用于哪些主题/用例
  • 用户满意度的变化趋势

Chats 标签​

需要启用 Admin Chat Access

只有当实例启用了 ENABLE_ADMIN_CHAT_ACCESS 时，Chats 标签才会显示。

该标签会列出使用过该模型的会话，包括：

  • 发起聊天的用户
  • 对话首条消息预览
  • 最后更新时间
  • 可直接跳转到共享聊天视图

这适合用于：

  • 理解用户如何实际使用模型
  • 做质量保障或使用审计
  • 找到可供培训或写文档的示例会话

用户活动表​

你还可以按用户查看活跃度与 Token 消耗：

列含义
#活跃度排名
User用户名与头像
Messages该用户发送的消息总数
Tokens该用户消耗的总 Token

常见用途：

  • 识别高频使用者及其 Token 消耗
  • 找出低活跃或闲置账号
  • 规划用户配额或速率限制
  • 用于按用户维度估算成本

Token 使用跟踪​

Token 是什么​

Token 是语言模型处理文本的基本单位。无论是输入（你的 prompt 与上下文）还是输出（模型回答），都会消耗 Token。大多数 AI provider 都按 Token 计费，因此准确跟踪 Token 对成本管理非常关键。

Token 跟踪如何工作​

OPL 数据空间 会自动从模型响应中提取 Token 使用数据，并与消息一起存储。分析仪表盘再把这些数据聚合成：

  • Input tokens
  • Output tokens
  • Total tokens

不管底层是 OpenAI、Ollama、llama.cpp 还是别的 provider，分析仪表盘都会把这些数据做标准化，以便给出一致的运营指标。

Token 指标怎么用​

通过仪表盘或 token 相关接口，你可以查看：

  • 各模型的输入 / 输出 / 总 Token 拆分
  • 实例级总 Token 消耗
  • 消息数量与 Token 数之间的关系，用于做效率分析
成本估算

估算成本时，可以把 Token 数量乘以你的 provider 单价：

成本 = (input_tokens × input_price) + (output_tokens × output_price)