必须用Python正则提取Traefik日志中的time、level、service、method、path、status、duration、ip八项，严格匹配样例格式；支持.gz解压、UTF-8编码容错、30秒超时；输出CSV含timestamp,service,method,status,duration_ms,client_ip，带验证逻辑与命令行接口。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要用Trae快速生成能跑通的日志分析代码，不是泛泛而谈“帮我分析日志”，而是让AI立刻理解你要提取什么字段、在哪种格式里找、失败时怎么容错、结果要存成什么形式。
直接锁定日志结构+字段需求
把日志样本片段贴进去，再写清楚要抓哪些东西。比如：
日志样例：2026-06-22T14:23:18.765Z INFO [router] service=auth-service, method=POST, path=/login, status=401, duration=127ms, ip=192.168.3.15
任务：用Python正则提取time、level、service、method、path、status、duration、ip八项，忽略所有其他字段；每行日志必须完整匹配才输出，缺一项就跳过该行。
这一步不写样例，AI会按通用Nginx或Apache格式猜，而你的日志是Traefik结构化文本，字段名和分隔符都不同——【漏掉样例等于让AI在黑盒里试错】。
强制指定处理边界与异常策略
方法一：用“必须”句式卡死容错逻辑
要求代码：必须支持.gz压缩日志文件；遇到编码错误（如UTF-8 decode失败）跳过该行并记录warn日志；单文件处理超时设为30秒，超时后终止当前文件、继续下一个。
方法二：用否定排除法堵死AI惯性思维
禁止使用pandas.read_csv解析日志；禁止把整文件读入内存；禁止用eval()或exec()动态执行字符串；所有正则必须预编译并命名group，例如(?P<status>\d{3})。
很多AI默认走pandas路线，但你的真实日志动辄GB级，pandas一加载就OOM——【不写禁止项，AI会选最省事而非最可用的路径】。
绑定输出形态与验证方式
第一步：明确输出目标格式
生成CSV文件，字段顺序为timestamp,service,method,status,duration_ms,client_ip；首行必须是英文标题，不含BOM；时间戳转为ISO格式（2026-06-22T14:23:18），毫秒保留三位。
第二步：嵌入可执行验证逻辑
在脚本末尾添加if __name__ == '__main__':块，自动用sample_log.log测试，打印匹配行数及前两行提取结果；若匹配数为0，抛出AssertionError并提示“未找到符合格式的日志行，请检查正则或样例”。
第三步：限定运行环境约束
代码需兼容Python 3.9+，不依赖第三方包（除标准库re、csv、argparse、gzip外）；支持命令行传参：python analyzer.py --input access.log.gz --output result.csv。
