Log Analyzer Suite — OpenCode Plugin

Плагин для OpenCode, добавляющий два метода AI-анализа логов: индуктивный (log-insight) и дедуктивный (log-validate).

Установка

Для конкретного проекта (рекомендуется)

В корне проекта выполни:

opencode plugin @dr39m/log-analyzer-suite@latest

Это добавит плагин в .opencode/opencode.json и подтянет его из npm.

Глобально (для всех проектов)

opencode plugin @dr39m/log-analyzer-suite@latest --global

Что происходит при первом запуске

Плагин автоматически:

• Создаст файлы навыков (SKILL.md) в .opencode/skills/
• Зарегистрирует слэш-команды /log-insight и /log-validate
• Добавит тул split_log_chunks для расчёта границ чанков

Никаких дополнительных действий не требуется.

⚠️ ОБЯЗАТЕЛЬНО: tool_output в opencode.json

Плагин возвращает большой JSON (3 чанка × ~600 KB ≈ 1.7 MB), а у opencode дефолтный cap tool output — всего 50 KB. Без настройки твой split_log_chunks ответ обрежется и сабагенты получат пустые LOG_CHUNK_CONTENT секции.

Добавь в .opencode/opencode.json проекта (или глобально в ~/.config/opencode/opencode.json):

{
  "$schema": "https://opencode.ai/config.json",
  "plugin": ["@dr39m/log-analyzer-suite@latest"],
  "tool_output": {
    "max_lines": 500000,
    "max_bytes": 8388608
  }
}

• max_bytes: 8388608 (8 MB) — этого хватит на ~10 чанков с большим --context.
• max_lines: 500000 — щедрый запас.

Эта опция недокументирована на opencode.ai/docs, но реализована в коде opencode и проверена на версии 1.14.48. Подробности — в docs/opencode-output-limits.md.

Требования к модели

/log-insight инлайнит весь чанк в Task-промпт сабагента (~contextTokens × 1000 × 0.70 токенов). Для --context 250 / 3 chunks каждый сабагент получает промпт ~240K токенов — это требует модель с большим контекстом (1M токенов: Opus 4.7 / Sonnet 4.5+). Если модель меньше — понижай --context (например --context 100) и увеличивай --chunks.

Принцип работы: «поделили — передали». Тул нарезает чанки и сразу отдаёт готовые промпты с inline-контентом — оркестратор передаёт их в Task дословно, сабагент получает контент в первом сообщении без всяких tool calls. Полный чёрный список запрещённых действий оркестратора — в Phase 3 скилла.

Обновление

opencode plugin @dr39m/log-analyzer-suite@latest --force

Важно про суффикс @latest. Без него --force подтягивает не свежую версию с npm, а перетягивает ту, что уже зафиксирована во внутреннем lock-файле opencode'а. Суффикс @latest явно говорит opencode'у пересчитать тег и взять актуальную версию из npm.

Навыки в .opencode/skills/<name>/SKILL.md обновляются автоматически: начиная с 1.0.6 плагин пишет рядом со скиллом файл .bundle-version и при каждом запуске сравнивает с встроенной версией. При расхождении SKILL.md перезаписывается.

Использование

/log-insight — индуктивный анализ

Разбивает лог на N чанков, анализирует каждый параллельным субагентом, собирает тренды.

/log-insight --chunks 5 --log logs/app.log
/log-insight --chunks 5 --log logs/app.log --context 700
/log-insight --chunks 3

Флаги:

• --chunks N — количество чанков (обязательно).
• --log <path> — путь к лог-файлу (опционально; автоопределение в logs/).
• --context K — окно контекста саб-агента в тысячах токенов (опционально, дефолт 200). Каждый чанк ограничивается 70% от этого окна.

Как работает:

1. Оркестратор читает документацию проекта → PROJECT_BRIEFING.
2. Тул split_log_chunks нарезает файл на N равных чанков с конца и возвращает для каждого чанка готовый промпт сабагента в chunks[i].agent_prompt — с уже встроенным текстом чанка и единственным placeholder {PROJECT_BRIEFING}.
3. Оркестратор делает одну подстановку {PROJECT_BRIEFING} и передаёт строку целиком в Task tool. N сабагентов запускаются параллельно одним сообщением и не используют Read/Grep/Bash.
4. Консолидация находок с трендами (worsening/improving/stable/spike).

/log-validate — дедуктивная валидация

Сканирует исходный код, строит карту всех logger-вызовов, проверяет лог на соответствие.

/log-validate logs/app.log
/log-validate

Как работает:

1. Читает документацию проекта
2. Определяет logging-фреймворк проекта (loguru, stdlib, console.log, log, zap, etc.)
3. Grep'ает исходники → строит Log Signature Map (все logger.error/info/...)
4. Группирует grep-паттерны по 5 категориям (Errors, Warnings, State/Flow, Metrics, Health)
5. Батчево грепает лог: COUNT → TRIAGE → EXTRACT
6. Находит ошибки, аномалии, «тихие» компоненты

Не зависит от языка проекта. Скилл сам определяет logging-конвенции (Python, JS/TS, Go, Rust и т.д.).

Кастомный тул

| Тул | Назначение | |-----|-----------| | split_log_chunks | Нарезает лог на N равных чанков с конца файла. Каждый чанк ограничивается 70% от --context (тысячи токенов). Возвращает метаданные и готовый Task-промпт сабагента в chunks[i].agent_prompt (с уже встроенным контентом и одним placeholder {PROJECT_BRIEFING}), плюс warnings[] при неполном покрытии. |

Всё остальное делается встроенными тулами opencode (Read, Grep, Bash, Agent, Glob) — навыки инструктируют AI как их применять.

Отличия навыков

| | log-insight | log-validate | |---|---|---| | Подход | Индуктивный (от данных к выводам) | Дедуктивный (от кода к логу) | | Покрытие | N чанков (контролируемое) | 100% файла (через grep) | | Контекст | Документация проекта | Исходный код + документация | | Находит | Ошибки, аномалии, тренды | Ошибки, нарушения, тихие компоненты | | Зависимость от языка | Нет (читает сырой текст) | Адаптируется под язык проекта | | Кастомные тулы | split_log_chunks | — (только встроенные) |

Публикация (для разработчика)

cd opencode-log-analyzer
npm login                    # один раз
npm publish --access public  # публикация в npm

После публикации любой пользователь сможет установить плагин через opencode.json.

Лицензия

MIT