episode-log-steps

用途：在 episode 执行期间记录单个执行步骤，构建完整的任务执行图景，用于模式学习。\n\n主要能力：记录工具使用（每次使用重要工具时）、决策点（做架构或实现选择时）、错误处理（遇到并解决错误时）、里程碑（测试通过、模块完成等关键进度点）。步骤结构包含 tool（工具/动作）、action（动作描述）、latency_ms（耗时）、tokens（可选，token 用量）、success（是否成功）、observation（结果/观察）。\n\n使用方式：通过 memory.log_step(episode_id, step).await 记录步骤；示例场景包括 cargo build --all、cargo test --test integration_test、代码生成、clippy 检查等。记录时可将相关步骤批量记录，不必记录每个微小操作；应包含上下文（如 cargo、rustfmt、clippy、git 等工具，具体命令或操作，结果、输出摘要或错误）；应跟踪性能（慢操作记录延迟，LLM 调用记录 token 用量，明确标记成功/失败）；观察字符串应简洁但信息充分，相关时包含错误消息。步骤以 JSON 数组形式存储在 episode 记录中。\n\n限制：资料未提供安装命令、价格、平台支持、完整 API 或额外配置信息。