列出该 Grafana 实例上全部 Loki 日志数据源（uid/名称/是否默认），以及各数据源已登记的项目数。多数据源环境下先用它确认要查哪个数据源。

列出全部可查项目：已登记项目（含中文别名）+ 遍历各 Loki 数据源实时发现的 app/group 组合（默认查最近 24h，标注归属数据源与登记状态）。不知道项目叫什么时先调这个。

列出某数据源（或某项目）在时间窗内可用的日志标签名（如 app/group/host/level）。

列出指定标签在时间窗内的全部取值（如 labelName=app 列出所有服务名）。

查询原始日志。数据量控制：优先用 requestId 精确到单次请求；配合窄时间窗（默认 15m）；行数/单行长度/总响应均有硬上限，超出会标注省略。排查线上问题建议优先用 diagnose_issue（自动聚合分析），本工具适合按线索精确取证。

取回日志完整原始行（不做单行截断）：query_logs/trace_context 返回的行带"(截断 N 字符)"标记时，把该行的 time 作为 timestamp（配合 keyword）调本工具取回完整内容。

按耗时阈值抓取慢日志（如执行超过 30s 的慢 SQL）。支持三个维度：sql（每条 SQL 的 queryRows/updateRows Nms）、request（请求级 utime）、connection（连接级 release）。慢 SQL 自动按连接号-序号配对回捞语句原文；命中超 30 条（如循环任务）时自动按操作聚合统计（count/totalMs/maxMs/avgMs），明细仅保留最慢样本。

错误聚合归并：把窗口内错误按模板指纹压缩成少量模式，区分首发错误（可能的原因）与级联噪声（后果），并给出故障类型分类、堆栈业务帧、高频 requestId。比直接翻错误日志高效得多。

日志量级趋势与突增检测：分桶计数 + 相对基线的突增倍数 + 异常起始时刻。回答"什么时候开始出问题"。

按 requestId/traceId 还原单次请求的完整日志链路（时间正序）。定位具体一次失败请求时用它，返回量小且完整。

与基线窗对比（"日志都正常但结果不对"时的首选）：找出消失的日志模板（静默跳过信号）、新出现的模板、数值偏离（逻辑 bug 信号）、字段取值分布突变。默认对比前一天同时段。

字段取值与空值探测（"变量没设置"时的首选）：统计字段空值率、命中"使用默认值/未配置/fallback"的日志样本。

流程完整性检查（"流程走一半没了但不报错"时的首选）：取一条链路的日志模板序列，与成功样本序列对比，定位流程在哪一步中断。

【排障首选】一次调用完成完整根因分析：量级趋势→异常定位→双路径探测（错误突增归并分类 + 无报错基线对比/空值探测/流程断点）→候选原因打分。返回带证据链的诊断报告 + codeHints（供在当前代码仓库中检索定位）。不传 project 则跨全部数据源扫描找疑似源头。

生成 Grafana Explore 深链：AI 给出结论后，人可一键跳到 Grafana 亲自核对原始日志。