Revisionslogge og overvågning via konsollen
På denne side
Betydningen af revision i et reguleret miljø
Når en SOC 2-revisor spørger: „Hvem brugte hvad, hvornår, og hvordan ville du vide det i tilfælde af en anomali?”, kan svaret ikke være „det kigger vi på”. For enhver organisation, der er underlagt overholdelseskrav – SOC 2, HIPAA, GDPR – er sporbarhed af handlinger et grundlæggende krav, og du forbereder det før incidenten, ikke efter. xAI-konsollen (console.x.ai) tilbyder de overvågnings- og revisionsværktøjer, der lader dig spore din API-nøglebrug og opdage anomalier; denne lektion viser dig, hvordan du bruger dem, og derefter hvordan du supplerer dem på applikationssiden.
xAI-konsollen: Dit sikkerhedsdashboard
Konsollen, tilgængelig på console.x.ai, samler fire funktioner: administration af API-nøgler, overvågning af forbrug, fakturering med udgiftsgrænser og oplysninger om kontosikkerhed. På datasiden giver den dig forbrug pr. nøgle (antal anmodninger, forbrugte tokens), forbrug pr. model, detaljeret faktureringshistorik pr. periode og status for hver nøgle – aktiv, blokeret eller deaktiveret. Gør det til en vane at gennemgå den regelmæssigt: de fleste kompromitterede nøgler opdages først ved en forbrugskurve, der ikke længere ligner de foregående uger.
Forbrugsanalyse via API’et
Konsollen er nok til et hurtigt overblik, men seriøs overvågning skal være programmatisk: det er analyse-endepunktets rolle.
POST /v1/billing/teams/{team_id}/usage
{
"analyticsRequest": {
"timeRange": {
"startTime": "2026-03-01 00:00:00",
"endTime": "2026-04-01 00:00:00",
"timezone": "UTC"
},
"timeUnit": "DAY",
"values": [{"name": "tokens", "aggregation": "SUM"}],
"groupBy": ["model"]
}
}
Denne anmodning beder om summen af forbrugte tokens, dag for dag, opdelt efter model, for måneden marts. Fleksibiliteten kommer fra kombinerbare indstillinger: tidsenheder spænder fra MONTH til MINUTE, herunder CALENDAR_WEEK, DAY, HOUR og QUARTER_HOUR; tilgængelige aggregeringer er SUM, AVG, MIN, MAX, percentilerne P50, P90 og P99 samt COUNT og COUNT_DISTINCT; og du kan gruppere efter model, periode eller nøgle.
Disse komponenter dækker fire konkrete behov. For det første anomalidetektion: en pludselig stigning i forbruget på en nøgle, der normalt håndterer et stabilt volumen, er det klassiske symptom på et kompromis – dette er den forespørgsel, dit overvågningsscript bør køre hver nat. Dernæst omkostningsoptimering: ved at gruppere efter model spotter du underudnyttede endepunkter eller dyre modeller, der kaldes unødigt. Overholdelsesrapporter: den samme forespørgsel over et kvartal producerer de tal, revisoren vil bede om. Endelig kapacitetsplanlægning: forbrugstendensen fortæller dig, hvornår du skal genopfylde dine credits, før du løber tør på en søndag.
Opbygning af et alarmsystem
Et dashboard, du ikke kigger på, beskytter ingenting; alarmer kommer derimod til dig. Her er skelettet til et dagligt tjek, der sammenligner de sidste 24 timers forbrug med en tærskelværdi:
import requests
from datetime import datetime, timedelta
def check_usage_anomaly(team_id, threshold_tokens):
today = datetime.utcnow()
yesterday = today - timedelta(days=1)
response = requests.post(
f"https://management-api.x.ai/v1/billing/teams/{team_id}/usage",
headers={"Authorization": f"Bearer {MGMT_KEY}"},
json={
"analyticsRequest": {
"timeRange": {
"startTime": yesterday.strftime("%Y-%m-%d 00:00:00"),
"endTime": today.strftime("%Y-%m-%d 00:00:00"),
"timezone": "UTC"
},
"timeUnit": "DAY",
"values": [{"name": "tokens", "aggregation": "SUM"}]
}
}
)
total_tokens = sum_tokens(response.json())
if total_tokens > threshold_tokens:
send_alert(f"Abnormal usage: {total_tokens} tokens in 24h")
Suppler denne opsætning med et budgetmæssigt sikkerhedsnet: endepunktet POST /v1/billing/teams/{team_id}/postpaid/spending-limits lader dig sætte en månedlig udgiftsgrænse – ukontrolleret merforbrug bliver derefter umuligt, uanset årsagen. Og for at vide, hvor du står på ethvert tidspunkt i faktureringscyklussen, giver GET /v1/billing/teams/{team_id}/postpaid/invoice/preview dig et forhåndsvisning af akkumulerede omkostninger før den endelige faktura.
Applikationslogge på klientsiden
xAI-konsollen ser, hvad der sker hos xAI; den ser ikke, hvad der sker hos dig. Dine egne applikationslogge er den anden halvdel af sporbarheden: det er dem, der vil besvare spørgsmålet „hvilken bruger udløste dette kald?”. For hvert API-kald skal du logge tidsstemplet, ID’et på brugeren, der initierede kaldet, den brugte model og det endepunkt, antallet af input- og output-tokens, HTTP-svarstatus, ventetid og API-nøgle-ID’et i maskeret version.
Den omvendte disciplin er lige så vigtig, fordi en verbose log selv bliver til en datalæk. Log aldrig indholdet af prompts, der indeholder personlige data, heller ikke svar, der indeholder følsomme oplysninger, heller ikke API-nøgler i klartekst, heller ikke ephemeral tokens. En logfil, der indeholder dine brugeres prompts, er en persondatabase i forklædning – med alle de GDPR-forpligtelser, det indebærer, herunder retten til sletning.
Fem metrikker, der gør overvågning læsbar
For at konsolidere denne lektion skal du samle dine overvågningsdata i ét dashboard i stedet for at gange skærme op. De første to metrikker beskriver normal aktivitet: dagligt forbrug pr. nøgle og pr. model samt fejlprocenten (4xx, 5xx) pr. endepunkt, hvilket afslører både en deploymentsfejl og en nøgle med forkert konfigurerede tilladelser. De næste to beskriver friktion: udløste moderationsforsøg, som fortæller dig, hvad dine brugere prøver at gøre, og nøgler tæt på udløb, for at anticipere fornyelser i stedet for at stå over for dem uventet.
Den femte metrik er den, der gør forskellen: sammenligning med historiske gennemsnit. Et råtal siger ingenting – otte millioner tokens i nat, er det meget? En afvigelse fra normen siger derimod alt, og det er på denne afvigelse, dine alarmer bør udløses.
Vigtige pointer
- xAI-konsollen (console.x.ai) centraliserer overvågning, nøgleadministration og fakturering
- Endepunktet usage muliggør programmatisk analyse med fleksibel aggregering (SUM til P99, fra MINUTE til MONTH)
- Konfigurer tærskelalarmer på forbrug: en unormal stigning er det første tegn på et kompromis
- Sæt udgiftsgrænser via Management API’et for at begrænse ethvert merforbrug
- Log metadata på applikationssiden, aldrig følsomt indhold eller nøgler i klartekst