1
🔍 Logs estruturados
# Log estruturado para GIPM
{
"timestamp": "2026-01-16T10:30:00Z",
"level": "INFO",
"execution_id": "uuid-123",
"pipeline_step": "persona_injection",
"user_id": "user-456",
"tenant_id": "tenant-789",
"persona": "critical_reviewer",
"tokens_input": 150,
"duration_ms": 45,
"message": "Persona injected successfully"
}2
🐛 Debug de pipelines
Identificar em qual passo do pipeline o problema ocorre.
Checklist de debug por passo
1. SolicitacaoRequest chegou? Formato correto?
2. ValidacaoUsuario autenticado? Permissoes ok?
3. ContextoDados coletados? Fontes acessiveis?
4-5. ProcessamentoPersona carregada? Prompt montado?
6. Chamada IAAPI respondeu? Timeout? Rate limit?
7-9. SaidaPersistiu? Materializou? Retornou?
3
📊 Tracing distribuido
Rastrear uma requisicao atraves de multiplos servicos.
# OpenTelemetry trace
with tracer.start_as_current_span("gipm_pipeline") as span:
span.set_attribute("execution_id", execution_id)
span.set_attribute("persona", persona.name)
with tracer.start_as_current_span("collect_context"):
context = collect_context(request)
with tracer.start_as_current_span("call_llm"):
response = call_llm(context, persona)
with tracer.start_as_current_span("persist"):
persist(execution_id, response)4
⚠️ Alertas inteligentes
Critico
Taxa de erro > 5%, Latencia p99 > 10s, Custo diario > 2x media
Warning
Taxa de erro > 1%, Latencia p95 > 5s, Custo acima do budget
Info
Nova versao de modelo, Mudanca de persona, Pico de uso
Recovery
Metricas normalizadas apos incidente
5
📈 Dashboards de monitoramento
Metricas essenciais no dashboard
RPS
Requests/segundo
Latencia
p50, p95, p99
Erros
Taxa e tipos
Custo
USD/hora
6
🛠️ Ferramentas recomendadas
Observabilidade
Grafana, Datadog, New Relic, Honeycomb
Logs
ELK Stack, Loki, CloudWatch Logs
Tracing
Jaeger, Zipkin, AWS X-Ray
Alertas
PagerDuty, Opsgenie, Slack webhooks
📝 Resumo do Modulo
✓Logs estruturados - JSON com execution_id
✓Debug por passo - Checklist do pipeline
✓Tracing - OpenTelemetry distribuido
✓Alertas - Por severidade e tipo