Gli Agent Logs di GoHighLevel mostrano, per ogni sessione del bot, una timeline di esecuzione completa: quale tool ha chiamato, cosa gli ha passato come input, cosa ha ricevuto come output e quanto tempo ha richiesto ogni singolo passaggio. Se il bot non ha proposto gli orari o ha risposto con qualcosa di sbagliato, il log è il posto dove si capisce il perché.
Dall’inbox vedi solo il messaggio finale. Non vedi se il bot ha chiamato il calendario, se ha trovato slot disponibili, se ha cercato nella knowledge base prima di rispondere o se ha deciso di passare la chat a un operatore. Tutte queste decisioni esistono, sono registrate e sono consultabili. Questa guida copre dove si trovano i log, come navigarli e come leggere quello che mostrano, compresa la latenza per step che spiega perché certi bot sono lenti.
Dove si aprono gli Agent Logs su GoHighLevel
Ci sono tre punti di accesso, e il più diretto dipende da dove sei in quel momento.
Il percorso principale è AI Agents → Agent Logs. Da lì si apre la vista centrale con tre schede: Sessions, Contacts e Metrics. È il punto giusto se devi fare un’analisi sistematica o filtrare su un periodo.
Se sei già dentro la pagina Conversations e stai guardando un thread dove il bot ha operato, puoi aprire il log direttamente da lì, senza uscire dall’inbox. L’accesso è disponibile quando c’è attività del bot registrata su quella conversazione.
La terza via è dalla scheda del contatto. Utile quando sai il nome della persona ma non ricordi in quale sessione cercare: parti dal contatto e arrivi alle sessioni associate.
Come trovare la sessione giusta: Sessions e Contacts
La scheda Sessions elenca le sessioni con agente, contatto, canale, orario e stato. I filtri coprono prodotto AI, canale, contatto, intervallo di tempo e agente specifico. Se sai quando è successo il problema e su quale canale, in pochi click arrivi alla riga giusta.
La scheda Contacts è la strada alternativa: parti dal nome della persona quando non sai quale sessione cercare. GoHighLevel aggrega tutte le sessioni legate a quel contatto, ordinate per data.
Dentro il dettaglio di una sessione c’è una funzione di ricerca che lavora su tre livelli: trova parole nel testo della conversazione, nomi di tool nella timeline e dati nella vista Inspect. Se il bot ha completato un’azione di business — per esempio una prenotazione — quella riga nella timeline è cliccabile e apre il passaggio corrispondente.
Conversation, turn e step: i tre livelli del log
Prima di leggere un log vale la pena fissare la terminologia, perché i tre termini non sono intercambiabili.
Una conversation è l’intera interazione tra il contatto e il bot, dall’inizio alla fine della sessione. Un turn è un singolo botta e risposta: il messaggio del contatto più la risposta generata dal bot. Uno step è una singola azione eseguita dentro un turn — per esempio il controllo della disponibilità del calendario, una chiamata alla knowledge base o una API call verso un sistema esterno.
Un turn può contenere più step in sequenza. La timeline li mostra nell’ordine in cui sono stati eseguiti, con input, output e durata di ciascuno.
La struttura
Ogni risposta del bot è fatta di passaggi distinti
Il bot non produce una risposta in un colpo solo. Ogni turn esegue uno o più step in sequenza, e ogni step è registrato separatamente.
- Conversation — l’intera sessione dal primo messaggio alla chiusura
- Turn — un singolo scambio: messaggio in entrata più risposta generata
- Step — una singola azione dentro il turn: calendario, knowledge base, API call
Come leggere la timeline: input, output e durata
La timeline è il cuore degli Agent Logs. Per ogni step vedi quattro cose: l’azione scelta, l’input passato, l’output ricevuto e il tempo impiegato.
Un esempio concreto: il contatto chiede gli slot disponibili. La timeline mostra in sequenza — messaggio ricevuto, agente invocato, azione di disponibilità selezionata, intervallo di date passato come input, slot restituiti come output, risposta generata. Se il calendario non ha restituito nessuno slot, lo vedi nell’output di quello step. Se il bot ha ignorato gli slot e ha risposto con qualcos’altro, lo vedi nel passaggio successivo.
Questo è il modo corretto di usare il log: non leggere solo il messaggio finale, ma risalire step per step fino a trovare dove l’output diverge da quello atteso. La maggior parte dei problemi di un bot che non prenota appuntamenti si localizza in uno step preciso — quasi sempre il controllo del calendario o la costruzione dell’input che viene passato.
Vista Parsed e vista Raw
Il log si legge in due modalità.
La vista Parsed è una tabella leggibile: i dati sono già formattati e organizzati per colonne. È il punto di partenza per chi deve capire cosa è successo senza entrare nel dettaglio tecnico.
La vista Raw mostra i dati strutturati nella loro forma originale — JSON o formato equivalente. Serve quando la vista Parsed non mostra tutto quello che serve, o quando vuoi confrontare l’output esatto con quello che ti aspetti da un’integrazione. Se stai debuggando una API call verso un sistema esterno, la vista Raw è quella che ti dice se il payload ricevuto era completo o troncato.
Per un debug di base la vista Parsed basta. La Raw è uno step successivo, non il punto di partenza.
Perché una risposta è lenta: la latenza per step
Ogni step aggiunge tempo. Il log mostra la durata per ogni passaggio, e questa informazione spiega la latenza totale di una risposta.
Se il bot ha controllato il calendario, estratto i dati del contatto e consultato la knowledge base prima di generare la risposta, quei tre step si sommano. Non è lentezza del modello in sé: è la somma dei tempi di esecuzione di ogni azione che il bot ha scelto di compiere.
Leggere la colonna della durata step per step permette di identificare quale passaggio pesa di più. Un controllo calendario che impiega tre secondi su una risposta totale di quattro è il collo di bottiglia. A quel punto la domanda non è «perché il bot è lento» ma «perché quel tool specifico impiega tre secondi»: potrebbe essere la configurazione del calendario, la connessione all’account Google, o un intervallo di date troppo ampio passato come input. Per approfondire i problemi di disponibilità legate al calendario, questa guida sul date range del calendario copre alcuni casi tipici.
Gli agenti AI su GoHighLevel non sono una scatola nera da accettare così com’è: il log ti dà abbastanza dati per capire dove ottimizzare.
Make come layer di esecuzione
Un agente AI decide, Make esegue: ecco come collegare i due livelli
Se il tuo bot decide un’azione ma l’esecuzione richiede più passaggi di quanti GoHighLevel gestisce nativamente, Make è il layer che colma il gap. Con il piano gratuito da 1.000 operazioni al mese puoi collegare l’output del bot a qualsiasi sistema esterno.
- Primi giorni — mappa le azioni che il bot decide ma non completa da solo
- Settimana uno — costruisci uno scenario Make che riceve il trigger e completa l’azione esterna
- Settimana due — monitora le esecuzioni nel log di Make e confrontale con gli Agent Logs di GoHighLevel
Apri il piano gratuito di Make →
Link di affiliazione: se ti iscrivi da qui io prendo una commissione, tu paghi uguale. Lo linko perché ci lavoro dentro ogni giorno.
La scheda Metrics: dati aggregati su tutte le sessioni
La scheda Metrics non serve per il debug di una singola sessione, ma per capire il comportamento del bot nel tempo.
Aggrega conversazioni gestite, contatti raggiunti, messaggi AI inviati, media messaggi per conversazione, tempo medio di risposta, azioni completate, agenti attivi, canali più usati e ore di punta. Tutti questi dati si filtrano per periodo, agente, canale e contatto specifico. I widget si possono riordinare.
Un tempo medio di risposta alto in Metrics, confrontato con la latenza per step nei log delle sessioni, indica dove concentrare il lavoro. Se le ore di punta coincidono con i rallentamenti, hai un dato che vale la pena portare a chi gestisce la configurazione del calendario o dei canali. Per sapere come il bot gestisce più canali in parallelo, il Channel Management di GoHighLevel copre la logica di assegnazione.
Agent Logs versus Conversation AI Activity
Sono due strumenti diversi e non vanno confusi.
| Strumento | Cosa registra | Domanda a cui risponde |
|---|---|---|
| Agent Logs | Interazioni, step di esecuzione, input/output per ogni tool, latenza | Perché il bot ha risposto così o non ha prenotato |
| Conversation AI Activity | Cambi di stato dell’agente: chi lo ha spento, messo in pausa o riattivato | Chi ha toccato il bot e quando |
Se il bot si è fermato nel mezzo di una conversazione e non sai perché, la prima verifica va fatta su perché il bot Conversation AI smette di rispondere. Se il bot ha risposto ma in modo sbagliato o incompleto, gli Agent Logs sono la risposta giusta.
Un’altra distinzione utile: se il bot ha ignorato una fonte nella knowledge base, il problema non è nei log di esecuzione ma nella configurazione della fonte stessa. Perché il bot ignora la fonte appena aggiunta copre quel caso separatamente.
Gli agent logs di GoHighLevel sono uno strumento di trasparenza, non solo di emergenza. Usarli solo quando c’è un problema è come guardare i log di un’automazione solo quando qualcosa è già rotto. Un sistema che non viene monitorato produce in silenzio — giusto o sbagliato — finché qualcuno non se ne accorge per caso.
Domande frequenti
Gli Agent Logs di GoHighLevel mostrano anche le conversazioni chiuse o solo quelle attive?
Mostrano tutte le sessioni registrate, sia attive che chiuse. I filtri per intervallo di tempo nella scheda Sessions permettono di cercare sessioni passate. Non è documentata una finestra di conservazione specifica per questo modulo.
Come faccio a capire se il bot non ha prenotato perché non c’erano slot o perché non ha chiamato il calendario?
Nella timeline della sessione cerchi lo step di controllo disponibilità. Se lo step non compare, il bot non ha chiamato il calendario. Se compare e l’output è vuoto, non c’erano slot disponibili nel range passato come input.
La vista Raw degli Agent Logs è necessaria per il debug normale?
No. La vista Parsed copre la maggior parte dei casi: agente invocato, tool chiamato, input, output, durata. La Raw serve quando vuoi confrontare il payload esatto di una API call o quando la vista Parsed non mostra un campo che ti aspetti.
Gli Agent Logs registrano anche le azioni fatte da un bot configurato come Prompt Based?
Sì, il log registra l’esecuzione indipendentemente dalla modalità di configurazione del bot. La differenza tra Prompt Based e Flow Based riguarda come il bot decide le azioni, non se quelle azioni vengono registrate.
Trasparenza: in questo articolo c’è un link di affiliazione. Se ti iscrivi da lì io ricevo una commissione, per te non cambia niente. Linko solo strumenti che uso in produzione.
