Agent Tracing 与可观测性

• 能说明Agent Tracing 与可观测性解决什么问题，以及何时适用。
• 能解释为什么“只写自然语言日志”是误区。

当用户说“这次很慢”或“文件怎么被写了两次”，只看最终回答通常无法定位原因。一次 Agent 运行包含模型生成、工具调用、等待、交接与校验，需要把这些事件关联到同一任务。

追踪记录一次请求经过哪些步骤，可观测性再结合指标和日志判断系统整体状态。它们支持诊断和评测，不等于把模型内部不可见过程完整还原出来。

Tracing 用层级 span 还原一次 Agent 运行发生了什么；可观测性再结合指标与日志判断质量、成本和异常。

像快递轨迹，每次交接、处理和异常都有时间与责任节点。

trace 表示一次完整运行，span 表示其中一个有起止时间的操作，父子关系描述嵌套调用。记录调用标识、工具名称、状态和错误类别，能区分模型耗时、外部服务耗时与等待审批。

OpenAI Agents SDK 的追踪覆盖多类运行事件，实际启用方式与数据处理选项要按使用版本配置。业务自己的文件校验、缓存或数据库操作也应与同一任务关联，否则 SDK 轨迹未必包含全部应用事实。

指标汇总一段时间内的完成率、失败类别、耗时和成本，日志保留特定事件细节。单条成功轨迹不能证明整体稳定，平均耗时也可能掩盖少数很慢的任务；应结合任务类型和分布分析。

观测数据需要访问控制、脱敏与保留周期。输入输出中可能包含个人数据或密钥；采样会降低存储开销，也可能漏掉稀有故障。trace 标识可关联业务幂等键，但二者职责不同，不能用新 trace 自动代表新业务操作。

1. 定义 workflow 名称
2. 记录层级 span
3. 附加版本、耗时和状态
4. 脱敏敏感字段
5. 用失败案例回放

• 故障定位
• Agent 评测

• 只写没有调用标识的自然语言日志，无法把错误关联到具体任务和工具。
• 把 span 记录当作业务成功证明，或据一条演示轨迹推断系统总体可靠。
• 无差别采集完整输入输出，忽略脱敏、保留时间和观测系统本身的访问权限。

输入

• 运行事件
• 时间与标识
• 安全过滤策略

输出

• 轨迹树
• 延迟、错误与成本指标

能力

• 故障定位
• Agent 评测