用途：审计或修复 Python SDK 在诊断、异常、日志和遥测中的敏感数据暴露。收集脚本仅作基于语法的搜索辅助，不解析别名或控制流，不认证策略守卫，也不能证明“无候选即安全”。
主要能力与流程：
- 建立审查面：在当前检出中工作并保留无关改动，阅读 src/agents/_debug.py、src/agents/logger.py 及相关调用方；将异常消息、参数、回溯、cause、context、note、名称、URL 等视为潜在敏感。先运行收集器测试，再收集候选： uv run python .agents/skills/sensitive-logging-audit/scripts/test_inventory.py uv run python .agents/skills/sensitive-logging-audit/scripts/inventory_logging.py --format json --output /tmp/sensitive-logging-candidates.json 报告不含策略、安全或守卫分类。
- 补充源码搜索：收集器不跟踪 emit = logger.error 这类赋值，需直接搜索别名、回调、包装器和反射分发，例如： rg -n '.(debug|info|warning|warn|error|exception|critical|fatal|log)\b' src/agents rg -n '\b(print|pprint|pp|warn|warn_explicit|write|writelines|print_exc|print_exception)\b' src/agents rg -n 'DONT_LOG_(MODEL|TOOL)DATA|log(model|tool|model_and_tool)_action' src/agents 不得把收集器覆盖或文本守卫当作安全结论，需追踪生产者与调用方。
- 人工分类：为每条路径标注 model、tool、model+tool、operational、intentional-output 或 uncertain，并在审计报告中记录证据。
- 修复运行时边界：改动前使用 $implementation-strategy；格式化或检查敏感值前检查 _debug.DONT_LOG_MODEL_DATA 与 _debug.DONT_LOG_TOOL_DATA；任一标志禁用数据日志时对混合值脱敏；脱敏模式输出固定消息并省略敏感 args、extra、exc_info；惰性构建仅诊断用上下文；显式启用敏感日志时保留有用诊断；日志失败不得改变回退、清理、事件、拒绝或取消行为；MCP URL 在诊断模式移除凭据、查询参数和片段，不得用净化名称替代固定脱敏消息。
- 证明调用方行为：在每个变更的调用边界加测试，检查完整 LogRecord 而非仅渲染文本，覆盖两种脱敏策略、诊断模式、恶意对象、异常链及可观察的回退或清理行为。
- 复跑并收尾：重跑收集器、手动搜索、聚焦测试和适用仓库门禁；运行时或测试改动使用 $code-change-verification，必要时用 $pr-draft-summary。候选数量仅作搜索覆盖报告，优先报告已确认修复的泄露、保留的有意输出、已审查的不确定项和验证结果，绝不能把收集器干净结果当作不存在敏感日志路径的证明。
限制：收集器不解析别名与控制流，不认证策略守卫；分类与结论依赖人工源码追踪；具体平台、收费与价格信息暂未提供。