管理面板 → 分析——您知识库的用量、成本和流量。本板块仅对 Admin 和 Owner 角色开放，分为五个标签页：仪表盘、搜索历史、Token、流量、反馈。
时段选择（今天 / 7 天 / 30 天 / 90 天）在仪表盘、Token 和反馈标签页中可用。搜索历史使用任意日期范围，流量使用固定的 30 天。
#仪表盘
针对所选时段的三张图表：
- 查询与质量——在该时段内用户提交了多少条搜索查询（通过搜索门户、小组件、API 或 AI 搜索模式），以及所产生答案的平均质量分数。
- 质量分布——一张饼图：对第一张图表中"质量"指标的细分——答案如何分布在各个质量级别上。
- 答案来源——一张饼图：答案是基于什么构建的（类型见下表）。
图例是可交互的。 点击任意图表下方的某个图例项，可在图表中打开或关闭该数据系列——例如，隐藏缓存而仅查看生成的答案。
#答案类型（来源）
| 类型 | 含义 |
|---|---|
| AI 生成（LLM） | 由 AI 基于您的文章生成的全新答案。 |
| 缓存（CACHE_HIT） | 答案由缓存提供——此问题或类似问题此前被问过且答案已保存。它会即时返回且不消耗 token。 |
| 技术性答案（fallback） | AI 无法从您的文章中产出一个高质量答案：要么没有找到相关信息，要么 AI 服务暂时不可用。系统没有生成答案，而是返回了一个预先准备好的技术性答案。 |
| 错误 | 由于技术原因无法处理该查询：知识库尚未索引或正在索引、发生索引错误，或查询被过滤器拦截（无意义输入）。AI 不可用不属于此类——那种情况归入"技术性答案"。 |
#搜索历史
所有查询的时间顺序列表。筛选：按问题文本搜索、日期范围（从 / 到）、语言、答案类型。CSV 按钮——导出为文件。
表格列：
| 列 | 显示内容 |
|---|---|
| 问题 | 用户查询的文本 |
| 语言 | 查询的语言 |
| 类型 | 答案类型：AI 生成 / CACHE_HIT / 技术性 / 错误 |
| 缓存 | HIT——来自缓存的答案，MISS——重新生成 |
| 质量 | 答案的质量分数（%）（对于缓存答案——显示为破折号） |
| Token | 答案消耗了多少 token（对于缓存——破折号） |
| 延迟 | 产出答案的耗时，毫秒 |
| 国家 | 查询的国家（按地理位置） |
| 日期 | 提交查询的时间 |
#令牌
该时段的 AI token 消耗。六个指标：查询总数、Token 总数、Token（输入）、Token（输出）、索引 token（索引文章时的 embedding）、每次查询平均值。
什么是 token。 token 是 AI 模型用来衡量文本量的单位（大约是 ¾ 个单词，或约 4 个字符）。LLM 的消耗以 token 计：包括输入（您的问题 + 传给模型的文章片段）和输出（生成的答案）。索引 token 只消耗一次——当一篇文章被创建或修改并转换为用于搜索的向量表示（embedding）时。您的套餐包含每月 token 上限，本标签页显示的正是该消耗量。
"Token 消耗" 图表有三个系列：每日 token（柱状）、累计总量（折线）和 套餐上限（虚线）。图例是可交互的——点击可隐藏某个系列。下方是两项细分：
- 按结果类型——AI 生成 / CACHE_HIT / 技术性。
- 按 AI 类型——搜索、编辑器、生成、聊天、系统、索引（embedding）。
#流量
30 天的数据。三个指标：查询总数、国家数、语言数。下方是带占比的列表：
- 按国家——查询在地理上的分布。
- 按语言——按查询语言的分布。
- 按结果类型——AI 生成 / 技术性答案 / CACHE_HIT。
- 热门查询——该时段内最频繁的问题及命中次数（例如，"how to create a new article · 4×"）。
#反馈
该时段内用户对"这篇文章有帮助吗？"的评价。三个指标：回复总数、正面（%）、负面。下方是按天的图表、负面反馈原因的细分，以及带负面反馈的文章列表（链接指向文章编辑器）。在还没有任何评价之前，本板块会显示"暂无反馈"。