Logs und Datasets

In diesem Leitfaden erfahren Sie, wie Sie Logs zur Nutzung der Gemini API im Google AI Studio-Dashboard ansehen können, um das Modellverhalten besser zu verstehen und zu sehen, wie Nutzer mit Ihren Anwendungen interagieren. Mit dem Logging können Sie die Nutzung beobachten, Fehler beheben und optional Nutzungs feedback an Google senden, um Gemini für Entwickleranwendungsfälle zu verbessern.^*

Alle GenerateContent, BatchGenerateContent, StreamGenerateContent API -Aufrufe und Interactions-API-Aufrufe mit Ausnahme von Verwaltete KI-Agenten werden unterstützt. Dazu gehören auch Aufrufe über OpenAI-Kompatibilitäts endpunkte.

Projekt-Logging konfigurieren

Standardmäßig speichert die API alle Interaktionsobjekte (store=true), um die Verwendung von serverseitigen Funktionen zur Statusverwaltung zu vereinfachen. Im Gegensatz dazu werden Anfragen von der Generate Content API standardmäßig nicht gespeichert. Die Speicherung muss pro Anfrage oder auf Projektebene in AI Studio aktiviert werden.

In Google AI Studio können Sie das Logging für alle Projekte oder für bestimmte Projekte aktivieren oder deaktivieren und diese Einstellungen jederzeit über den Bereich Einstellungen auf der Seite Logs und Datensätze ändern. Das Logging kann unabhängig für die generateContent API und die Interactions API aktiviert oder deaktiviert werden, um das Standardverhalten für die Speicherung für ein Projekt zu ändern.

Logging auf Anfrageebene

Das Speicher- und Loggingverhalten unterscheidet sich je nach API:

• Interactions API: Speichert Anfragen standardmäßig (store=true), um die serverseitige Statusverwaltung zu vereinfachen.
• Generate Content API (generateContent) : Speichert Anfragen standardmäßig nicht (store=false).

So legen Sie die Eigenschaft store fest:

GenerateContent API

from google import genai

client = genai.Client()

response = client.models.generate_content(
    model='gemini-3.8-flash',
    contents='Explain quantum entanglement in simple terms.',
    config={'store': False} # Set to True to enable logging of this request
)

print(response.text)

import { GoogleGenAI } from '@google/genai';

const client = new GoogleGenAI({});

const response = await client.models.generateContent({
    model: 'gemini-3.8-flash',
    contents: 'Explain quantum entanglement in simple terms.',
    config: {
        store: false // Set to true to enable logging of this request
    }
});

console.log(response.text);

import com.google.genai.Client;
import com.google.genai.types.GenerateContentConfig;
import com.google.genai.types.GenerateContentResponse;

Client client = new Client();

// The GenerateContent API does not store requests by default
GenerateContentResponse response =
    client.models.generateContent(
        "gemini-3.8-flash",
        "Explain quantum entanglement in simple terms.",
        GenerateContentConfig.builder().build());

System.out.println(response.text());

Interactions API

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.8-flash",
    input="Explain quantum entanglement in simple terms.",
    store=True # Set to False to disable logging of this request
)

print(interaction.outputs[-1].text)

import { GoogleGenAI } from '@google/genai';

const client = new GoogleGenAI({});

const interaction = await client.interactions.create({
    model: 'gemini-3.8-flash',
    input: 'Explain quantum entanglement in simple terms.',
    store: true // Set to false to disable logging of this request
});

console.log(interaction.outputs[interaction.outputs.length - 1].text);

import com.google.genai.Client;
import com.google.genai.gaos.models.interactions.CreateModelInteraction;
import com.google.genai.gaos.models.interactions.Interaction;
import com.google.genai.gaos.models.interactions.InteractionsInput;
import com.google.genai.gaos.models.interactions.Model;
import com.google.genai.gaos.models.operations.CreateInteractionRequestBody;

Client client = new Client();

CreateModelInteraction params =
    CreateModelInteraction.builder()
        .model(Model.of("gemini-3.8-flash"))
        .input(InteractionsInput.of("Explain quantum entanglement in simple terms."))
        .store(true) // Set to false to disable logging of this request
        .build();

Interaction interaction =
    client.interactions.create(CreateInteractionRequestBody.of(params)).interaction().get();

System.out.println(interaction.outputText().orElse(""));

Projektlogs in AI Studio ansehen

1. Rufen Sie in AI Studio die Seite „Logs“ auf.
2. Wählen Sie im Drop-down-Menü ein Projekt aus.
3. Die Logs werden in der Tabelle in umgekehrter chronologischer Reihenfolge für die Interactions API angezeigt, sofern sie vorhanden sind.
4. Wenn Sie Projektlogs für die Generate Content API ansehen möchten, aktivieren Sie diese zuerst im Bereich „Einstellungen“.

Klicken Sie auf einen Eintrag, um eine Vorschau der Nutzlast zu sehen. Sie können den vollständigen Prompt und die Antwort von Gemini sowie den Kontext der vorherigen Antworten prüfen. Bei Anfragen an die Interactions API enthalten die Logs auch einen direkten Link zur previous_interaction_id.

Aufbewahrungsdauer für Projektspeicher konfigurieren

Logs laufen nach einer standardmäßigen Aufbewahrungsdauer von 55 Tagen ab und werden zum Löschen markiert, es sei denn, sie werden in einem Datensatz gespeichert. Datensätze laufen nicht ab. Sie können die Aufbewahrungsdauer für die Logs eines Projekts auf maximal 7, 14, 28 oder 55 Tage festlegen.

Datensätze erstellen und freigeben

Sie können Logs in Datensätzen speichern, um sie besser zu organisieren und zu exportieren.

• Suchen Sie auf der Seite Logs oben die Filterleiste und wählen Sie eine Eigenschaft aus, nach der gefiltert werden soll.
• Wählen Sie in der gefilterten Ansicht mit den Kästchen alle oder einzelne Logs aus.
• Klicken Sie oben in der Liste auf die Schaltfläche Datensatz erstellen.
• Geben Sie Ihrem neuen Datensatz einen Namen und optional eine Beschreibung.
• Der von Ihnen erstellte Datensatz wird mit der ausgewählten Gruppe von Logs angezeigt.
• Exportieren Sie Ihren Datensatz zur weiteren Analyse als CSV-, JSONL-Dateien oder in Google Sheets.

Datensätze können für eine Reihe verschiedener Anwendungsfälle nützlich sein.

• Herausforderungssätze zusammenstellen:Damit können Sie zukünftige Verbesserungen vorantreiben, die auf Bereiche abzielen, in denen Ihre KI verbessert werden soll.
• Beispielsätze zusammenstellen:Zum Beispiel ein Beispiel aus der tatsächlichen Nutzung, um Antworten von einem anderen Modell zu generieren, oder eine Sammlung von Grenzfällen für Routineprüfungen vor der Bereitstellung.
• Evaluierungssätze:Sätze, die die tatsächliche Nutzung wichtiger Funktionen repräsentieren, für den Vergleich mit anderen Modellen oder Systemanweisungsiterationen.

Sie können zur Forschung und Entwicklung von Gemini beitragen, indem Sie Ihre Datensätze als Demonstrationsbeispiele für Google freigeben.

Beschränkungen

Das Logging wird derzeit für Folgendes nicht unterstützt:

• Imagen- und Veo-Modelle
• Gemini-Einbettungsmodelle
• Gemini Robotics-Modell
• Eingaben mit Videos, GIFs oder PDFs
• Agents in der öffentlichen Vorschau in der Gemini API

Nächste Schritte

• Prototyp mit Sitzungsverlauf erstellen: Verwenden Sie AI Studio Build, um Apps mit Vibe Coding zu erstellen und Ihren API-Schlüssel hinzuzufügen, um einen Verlauf von Gemini API-Logs für KI-Funktionen zu aktivieren.
• Logs mit der Gemini Batch API noch einmal ausführen: Verwenden Sie Datensätze für die Antwortstichprobe und die Evaluierung von Modellen oder Anwendungslogik, indem Sie Logs mit der Gemini Batch API noch einmal ausführen.