Twinny 4.3.3：开启内容录制，重塑对话追踪与归档
在 AI 应用开发中，可观测性（Observability）是调试与优化的基石。Twinny 4.3.3 版本带来了里程碑式的更新——内容录制（Content Recording）功能。在此之前，Twinny 网关默认仅保留元数据（如模型名称、耗时、结果状态），而丢弃了具体的对话内容。此次更新允许开发者在开启录制后，完整捕获请求与回复的原始内容，同时严格遵循隐私与安全边界。
核心突破：从元数据到内容捕获
1. 录制开关与隐私边界
Twinny 将录制视为一个独立的特性开关。启用后，网关会捕获请求体（stripping only the model alias field）和流式回复的每一个 chunk。值得注意的是，录制内容位于“秘密盾牌（Secret Shield）”之外。这意味着，如果开发者启用了 twinny.secretShield，网关记录的是经过脱敏后的占位符，而非真实的凭证；反之，若关闭盾牌，则记录原始内容。这种设计确保了录制功能不会绕过现有的安全策略。
2. 双存储架构与数据完整性
为了兼顾性能与可靠性，Twinny 支持两种存储后端：
- SQLite：适用于 Node.js 22.5+ 环境，采用 WAL 模式，文件权限严格控制在
0600，支持按时间、键值、路由路径进行高效索引。 - JSONL：每日追加一行，崩溃后自动跳过损坏的行，适合日志式分析。
两者均支持按时间范围、子串搜索及分页查询，确保数据检索的灵活性。
关键优化：一行一对话与智能去重
在 Agent 模式下，每次工具调用都会重放整个对话历史，导致同一会话产生数十条记录。4.3.3 引入了线程折叠（Thread Folding）机制：
- 哈希去重：系统使用 SHA-1 算法，结合会话 Key 和第一条用户消息生成唯一标识（保留前 12 位十六进制字符）。系统提示词被刻意排除在哈希之外，以确保会话状态的一致性。
- 预览生成：为每条记录生成人类可读的预览文本。对话模式显示最后一条用户消息（Agent 模式下会前缀
after 3 tool results ·），自动补全模式显示最后 160 字符，嵌入模式则显示输入文本。
这一机制确保了“一行一对话”，极大简化了录制页面的浏览与筛选体验。
技术细节与容错机制
- 非阻塞录制：录制失败（如存储写入异常）仅记录日志，不影响 API 响应，保证业务连续性。
- 自动清理策略：采用“扫描式”保留策略，默认保留 90 天（范围 1-3650 天）。SQLite 逐行删除过期记录，JSONL 则直接删除整日文件，效率更高。
- 旧数据兼容：4.3.3 启动时会自动为 SQLite 中的旧记录补全线程信息，确保历史数据也能享受折叠功能。
开发者价值
此次更新为开发者提供了前所未有的调试与优化能力：
- 精准调试：直接查看请求与回复的原始内容，快速定位 Prompt 工程或代码逻辑问题。
- 数据资产化：清洗后的对话数据可直接用于模型微调（Fine-tuning）或 RAG 知识库构建。
- 成本优化：通过精准记录，避免无效请求的重复分析，降低 Token 消耗。
Twinny 团队表示：
"The gateway keeps the content of your chat conversations, autocomplete requests. This is where the capture happens relative to the secret shield..."
随着 AI 应用日益复杂，对可观测性的需求也愈发迫切。Twinny 4.3.3 不仅增强了工具的功能性，更重新定义了 AI 应用日志的标准形态。
