AI流程执行记录与操作日志容易混为一谈，因为两者都带时间戳、都服务于事后追溯。区别在于记录对象：执行记录围绕一次AI参与的流程实例，回答“做了什么、依据什么、结果如何”；操作日志围绕账号对具体对象的动作，回答“谁在什么时候对哪个对象做了什么”。本文按对象、字段、粒度、留存和场景逐项对照，并说明在研发流程中如何配合使用。
要点总览（TL;DR）
- AI流程执行记录以一次流程执行实例为单位，记录输入上下文、模型或规则依据、步骤序列、产出物与人工确认，用于流程复盘和结果解释。
- 操作日志以账号对具体对象的一次操作为单位，记录账号、时间、对象、动作、变更前后值和结果，用于安全审计和责任定位。
- 两者在字段、粒度、写入时机、留存和权限上差异明显：执行记录随流程推进持续写入、结束定稿；操作日志在动作发生时同步写入、写入后不可修改。
- AI参与执行后新增的输入上下文、依据版本、工具调用顺序和人工确认环节，无法由按单点动作记录的操作日志承载。
- 以复盘为主优先建设执行记录，以合规审计为主优先建设操作日志；AI参与度高时两类并用，并通过执行ID或工作项关联。
两者记录的对象与目的有何不同
判断一条记录属于哪一类，先看它描述的中心是什么。AI流程执行记录的中心是一次流程执行实例：某次需求评审辅助、某次测试用例生成、某次发布检查，从触发到结束构成一个可复盘的过程单元。操作日志的中心是账号对具体对象的一次操作动作：某人在某个时间修改了某个工作项的状态、删除了某个页面、调整了某个权限。前者关心过程与结果是否合理，后者关心行为是否合规、责任落在谁身上。
目的差异由此展开。执行记录服务流程复盘与结果解释，典型问题是“这次AI为什么给出这个结论”“中间调用了哪些数据”“人工是否确认过”。操作日志服务安全审计与责任定位，典型问题是“这条数据是谁改的”“异常删除发生在哪个账号”“权限变更是否有审批”。两类记录可以互相引用，例如在执行记录中标注触发账号，在操作日志中关联执行ID，但引用关系不改变各自的记录对象，也不能用一类替代另一类。
| 对照项 | AI流程执行记录 | 操作日志 |
|---|---|---|
| 核心对象 | 一次AI参与的流程执行实例 | 账号对具体对象的一次操作动作 |
| 回答的问题 | 这次执行做了什么、依据什么、结果如何 | 谁在何时对哪个对象做了什么、结果如何 |
| 追溯目标 | 流程复盘、结果解释、产出质量改进 | 安全审计、异常排查、责任定位 |
| 典型读者 | 流程负责人、业务复核人、AI应用维护者 | 安全与审计人员、系统管理员 |
| 关联方式 | 可引用触发账号与关键操作 | 可引用执行ID作为操作背景 |
同口径差异对照：字段、粒度与留存
把两类记录放在同一组维度下比较，字段构成的差异最直观。执行记录通常包含执行实例标识、触发方式、输入上下文、依据的模型或规则版本、步骤序列、产出物、人工确认结果和最终状态。操作日志通常包含操作账号、操作时间、对象类型与对象标识、动作类型、变更前后值、来源IP或终端、操作结果。两者都可能有时间与结果字段，但一个描述过程链路，一个描述单点动作。
粒度差异决定了查询方式。执行记录以“一次执行”为最小单位，一次执行内部可以包含多个步骤和多次工具调用，查询时通常按实例展开。操作日志以“一次操作”为最小单位，同一用户在短时间内连续修改多个字段，可能形成多条日志。触发与写入时机也不同：执行记录在流程启动时创建、随步骤推进持续写入、结束时定稿；操作日志在动作发生时同步写入，强调即时性和不可篡改。
| 维度 | AI流程执行记录 | 操作日志 |
|---|---|---|
| 关键字段 | 执行实例ID、触发方式、输入上下文、模型或规则版本、步骤序列、产出物、人工确认结果 | 账号、时间、对象类型与ID、动作类型、变更前后值、来源终端、操作结果 |
| 记录粒度 | 一次执行实例，内部含多个步骤 | 一次操作动作，按动作逐条记录 |
| 触发与写入时机 | 流程启动时创建，步骤推进中持续写入，结束时定稿 | 动作发生时同步写入 |
| 留存周期 | 按复盘需要设定，通常与流程周期和产出物生命周期挂钩 | 按审计与合规要求设定，常见做法是固定周期内不可删除 |
| 访问权限 | 流程负责人、复核人可见，涉及敏感输入时需脱敏 | 审计与管理员可见，普通业务用户通常只读或不可见 |
| 可修改性 | 执行中可追加步骤，结束后一般只读 | 写入后不可修改，强调完整性 |
留存周期与访问权限的具体数值取决于组织制度和所用系统，上表给出的是常见做法，落地时需按实际合规要求确认。若某系统未公开字段级说明，应标注为待核实，不能据此判断其不具备相应记录能力。
AI参与后执行记录多了哪些内容
AI参与执行后，执行记录需要承载普通操作日志无法表达的信息。第一类是输入上下文：触发这次执行的需求描述、关联工作项、引用的知识页面、用户给出的提示或参数。第二类是依据标识：使用的模型名称与版本、规则集版本、检索到的知识范围。第三类是过程信息：中间步骤的顺序、每次工具调用或数据查询的对象与返回摘要。第四类是结果与人工环节：产出物内容或存放位置、人工确认、修改或驳回的动作与意见。
这些内容无法由操作日志承载，原因在于操作日志按单点动作记录，缺少“一次执行”这个容器来组织多步骤之间的因果关系。操作日志能告诉你某人点击了生成按钮，却无法说明生成时参考了哪些需求、走了哪几步、哪一步被人工驳回。反过来，执行记录也不适合承担全量操作审计，它关注的是流程实例内部的过程，账号维度的越权、异常删除等行为仍需操作日志覆盖。
- 输入上下文：触发来源、关联对象、提示或参数、引用的知识范围。
- 依据标识：模型或规则版本、规则集标识、检索范围。
- 过程信息：步骤序列、工具调用顺序、每步的输入输出摘要。
- 结果与确认：产出物、人工确认或驳回、修改意见、最终状态。
需要区分两类自动化。确定性规则自动化，例如状态机流转、字段必填校验，其执行过程通常由规则引擎保证，记录重点在规则命中与结果，实现方式属于研发流程自动化主题，本文不展开。通过接口连接外部工具产生的调用，其连接配置与扩展开发属于开放接口与扩展开发主题。本文只讨论这两类动作在执行记录中应留下什么痕迹：规则命中标识、调用对象与返回摘要，以便复盘时能还原执行路径。
在研发管理流程中如何配合使用
配合的基本顺序是：流程执行时先写执行记录，关键操作再落操作日志。以一次AI辅助的需求评审为例，流程启动后创建执行记录，写入需求背景、关联工作项和引用知识；AI生成评审意见后，执行记录追加产出物与依据版本；评审人确认或驳回，执行记录写入人工结论。与此同时，评审人修改工作项状态、调整优先级等动作进入操作日志，形成账号维度的行为留痕。两类记录通过执行ID或工作项标识关联，查询时可以从执行记录跳到相关操作，也可以从操作日志回溯所属执行。
角色分工随之清晰。流程负责人和业务复核人主要看执行记录，判断产出是否合理、依据是否充分、人工确认是否到位。审计人员与系统管理员主要看操作日志，核查权限使用、异常操作和责任归属。AI应用维护者两类都会看：用执行记录分析产出质量与步骤瓶颈，用操作日志排查调用异常与账号风险。
在ONES中，AI相关能力基于ONES权限体系进行知识问答和任务执行，输出过程可追踪、结果可审计；ONES Assistant连接ONES Project、ONES Wiki与ONES TestCase，理解项目、工作项、迭代和Wiki页面等真实工作上下文，并把自然语言指令转化为ONES中可追踪的工作，结果保存为工作项、Wiki页面等内容。这意味着一次AI辅助执行产生的产出会落到具体工作项或页面上，工作项的状态流转与内容变更则形成操作留痕，流程负责人按工作项查看执行产出，管理员按账号查看操作记录，两类信息在同一工作对象上衔接。执行记录与操作日志之间是否支持按执行ID直接关联查询，需以实际版本能力为准。
| 角色 | 主要查看 | 典型动作 |
|---|---|---|
| 流程负责人 | 执行记录 | 复核产出依据、确认或驳回、优化流程步骤 |
| 业务复核人 | 执行记录 | 确认结果、补充修改意见 |
| 审计人员 | 操作日志 | 核查权限使用、异常操作、责任归属 |
| 系统管理员 | 操作日志 | 排查账号风险、调整权限配置 |
| AI应用维护者 | 两类并用 | 分析产出质量、定位调用异常 |
适配场景与选择建议
选择哪类记录优先建设，取决于当前要解决的问题。以复盘和结果解释为主，例如AI生成的测试用例质量不稳定、评审意见需要说明依据、流程步骤存在瓶颈，优先建设执行记录，把输入、依据、步骤和人工确认补齐。以合规审计和追责为主，例如需要回答数据被谁修改、权限变更是否合规、异常删除如何定位，优先建设操作日志，保证账号、时间、对象、动作和结果字段完整且不可篡改。
AI参与度高、产出需要解释依据的场景，两类记录应并用。执行记录解释“这次AI做了什么、为什么”，操作日志保证“谁触发、谁确认、谁修改”可追责，两者通过执行ID或工作项关联，形成从过程到行为的完整链路。只用其中一类，复盘时缺少行为证据，审计时缺少过程背景。
- 复盘与结果解释为主：优先执行记录，检查输入上下文、依据版本、步骤序列、人工确认四项是否齐全。
- 合规审计与追责为主：优先操作日志，检查账号、时间、对象、动作、变更前后值、结果六项是否齐全。
- AI参与度高：两类并用，确认存在执行ID或工作项作为关联键。
- 留存策略：分别设定执行记录与操作日志的留存周期，审计类日志按制度要求固定周期，执行记录与流程周期和产出物生命周期对齐。
- 权限设计：执行记录按流程角色授权，操作日志按审计角色授权，敏感输入在执行记录中脱敏。
- 落地验证：抽取一次真实执行，尝试从执行记录还原过程、从操作日志还原行为，检验两类记录能否互相印证。
落地检查时还需注意，字段完整不等于可用。执行记录若缺少人工确认环节，复盘时无法判断产出是否被采纳；操作日志若缺少变更前后值，追责时只能确认动作发生、无法确认影响范围。建议在建设初期就用一次完整流程做端到端验证，再逐步扩展到更多流程类型。
常见问题
执行记录和操作日志能否只保留一类，以降低维护成本？
通常不建议只保留一类。执行记录解释一次AI流程做了什么、依据什么、结果如何，操作日志回答谁在何时对哪个对象做了什么。只保留执行记录，遇到越权、异常删除等账号行为时缺少可追责的证据；只保留操作日志，复盘时只能看到单点动作，无法还原多步骤之间的因果关系。
如果资源有限，可以按当前最紧迫的问题决定先建哪一类，但需要预留关联字段，例如在执行记录中保留触发账号，在操作日志中保留执行ID或工作项标识，为后续两类并用留出衔接点。
AI执行记录中的模型版本和提示内容需要长期保留吗？
保留周期取决于用途。若执行记录用于产出质量分析和模型效果回溯，模型版本、提示或参数、检索范围这类依据标识需要与产出物生命周期对齐，否则事后无法判断某次结果由哪个版本产生。若涉及敏感输入，保留时应做脱敏处理，并按流程角色控制访问权限。
具体保留多久没有统一标准，建议结合组织的合规要求和复盘周期确定，并在建设初期就写清楚哪些字段必须留存、哪些可以摘要化。
流程中人工确认或驳回的动作，应该记在执行记录还是操作日志？
两处都可以记，但记录的角度不同。执行记录中记录的是这次执行的人工结论，包括确认、修改或驳回以及对应意见，用于说明产出是否被采纳；操作日志中记录的是确认人账号、操作时间和对象变更，用于行为留痕和责任定位。
实际操作中，确认动作往往同时触发两类写入：执行记录追加人工结论，操作日志记录账号与动作。设计时需确认两处记录能通过执行ID或工作项对应上，避免复盘时出现结论与操作人对不上的情况。
确定性规则自动化和接口调用产生的动作，在执行记录中如何体现？
本文聚焦AI驱动执行，确定性规则自动化的实现方式属于研发流程自动化主题，接口连接配置属于开放接口与扩展开发主题。在执行记录层面，这两类动作需要留下可还原的痕迹：规则自动化记录规则命中标识与结果，接口调用记录调用对象与返回摘要。
这样处理的目的，是让复盘时能区分某一步由AI生成、由规则触发还是由外部接口返回，避免把不同来源的结果混在一起解释。
在ONES中，AI执行产出与操作留痕如何衔接？
ONES的AI能力基于ONES权限体系进行知识问答和任务执行，输出过程可追踪、结果可审计。ONES Assistant连接ONES Project、ONES Wiki与ONES TestCase，理解项目、工作项、迭代和Wiki页面等真实工作上下文，并把自然语言指令转化为ONES中可追踪的工作，结果保存为工作项、Wiki页面等内容。
这意味着一次AI辅助执行的产出会落到具体工作项或页面上，工作项的状态流转与内容变更形成操作留痕。流程负责人按工作项查看执行产出，管理员按账号查看操作记录，两类信息在同一工作对象上衔接。执行记录与操作日志之间是否支持按执行ID直接关联查询，需以实际版本能力为准。
