AI Agent 可观测性：Trace 里应该有什么

一次运行应能解释决策、工具、成本和失败位置。

问题背景

生成式模型擅长处理模糊语言和提出候选方案，却不天然保证状态一致、权限正确或动作可恢复。讨论“AI Agent 可观测性：Trace 里应该有什么”时，重点不应只是跑通演示，而是系统失败后是否知道发生了什么、能否安全继续，以及结果能否重复验证。

设计方案

根 Span 对应运行，子 Span 覆盖模型、检索、工具和审批并记录脱敏摘要。

在“Agent Trace 规范”进入实现前，先标注输入来源、调用身份和数据等级；输出通过结构与领域校验后才允许进入下一步。涉及外部副作用时，执行记录必须包含稳定业务键和脱敏证据。

实施产物：Agent Trace 规范

根 Span 对应 Run，子 Span 对应模型、工具和审批；记录版本、Token、动作哈希和终止原因；内容默认不入日志。先在测试环境保存一条完整运行证据，再接入真实写操作；每次变更都必须能定位到配置、代码和数据版本。

practice:
  id: harness-observability
  artifact: "Agent Trace 规范"
  owner: platform-team
  timeout_seconds: 30
  failure_mode: fail_closed
  audit: required

示例只表达边界，不是可直接复制的完整框架配置。落地时应使用当前依赖版本的官方 API，并把超时、身份和审计接到现有基础设施。

实施步骤

选一个可回放的小任务，写清输入、成功条件和禁止发生的副作用。
实现“Agent Trace 规范”，把模型建议与真正执行隔离。
人工走通成功、拒绝和恢复三条路径，保存 run_id 与关键事件。
加入自动化回归，再用小比例非关键流量观察指标。
达到门槛后逐步放量；任一安全约束失败立即停止新任务并回退版本。

失败演练与验收

首要反例是：只记录 prompt 和 answer，既泄密又无法还原工具链。不要只验证顺利完成；还要注入超时、重复请求、取消、无权限输入和依赖返回畸形数据。

本篇的硬性验收是：用 run_id 串起模型、审批和工具日志且敏感字段被遮蔽。同时记录 Trace 完整率、孤儿 Span 数、脱敏失败数。验收脚本应按结构化字段判定，不以“回答看起来合理”代替测试。

上线与回滚

“Agent Trace 规范”上线前要固定模型、提示、规则、工具 schema 与数据版本，并用影子或灰度流量比较旧版。若 Trace 完整率、孤儿 Span 数、脱敏失败数 越过门槛，先停止新 Run，再处理在途任务，恢复旧组合后逐项核对未决副作用。

适用边界

当场景是“离线个人实验”时，这套设计的维护成本通常高于收益。权限、金额、删除和一致性约束始终交给确定性代码，不能交给模型自行判断。

一条 Run Trace 的最小结构

Span	关键属性	事件
run	run_id、版本组合、终态	budget_exhausted、cancelled
model	provider、model、token、attempt	parse_failed、fallback
approval	policy、action_hash、等待时长	approved、rejected、expired
tool	tool、action_id、result_status	retry、unknown_result
recovery	checkpoint、from_state	lease_acquired、reconciled

prompt、工具参数和模型输出默认不直接写 Trace；保存结构摘要、长度、哈希与受控内容引用。Token、金额和时长使用指标，run_id 作为 exemplars 或日志字段，不做 Prometheus 高基数标签。

异步步骤通过 context/link 关联，恢复后的进程继续原 Run 并新建 recovery span。采样优先保留错误、审批拒绝、unknown 和高成本 Run；即使 Trace 被采样掉，审计事件仍按独立合规策略保存。

验收从一个 run_id 跳到模型调用、审批、工具、事件和版本快照，时间线无孤儿且字段已脱敏。停止 collector、制造队列满与 exporter 超时，业务不能被遥测拖垮；同时产生明确丢弃指标和告警。

第二轮实践复核

围绕“Agent Trace 规范”建立一个不接触生产数据的最小项目，固定运行时、框架、模型、提示、规则和工具 schema 版本。正文代码块若缺少完整依赖、导入或领域类型，应视为架构伪代码；只有放入示例仓库并通过下述命令的代码才标记为可运行。

项目验证：运行项目既有的 schema 校验、契约测试与离线评测命令
回归夹具：把输入、结构化输出、工具轨迹和副作用记录为 JSON，用固定版本执行正常、拒绝、超时、取消与重复请求五组回归样本。
必留证据：run_id、版本组合、终止原因、动作幂等键，以及 Trace 完整率、孤儿 Span 数、脱敏失败数。
通过条件：未批准写操作为零副作用；相同幂等键重复执行只产生一个业务结果；超时或恢复后状态可解释。
失败处理：先停新任务，再核对在途动作；回滚模型、提示、规则、工具与状态迁移的完整组合，不能只换回模型。

复用顺序

为“AI Agent 可观测性：Trace 里应该有什么”建立确定性假工具，先跑契约与失败用例，不接触真实凭据。
围绕“Agent Trace 规范”接入只读能力，核对权限裁剪、脱敏字段和 Trace 完整性。
需要写能力时先输出 dry-run 差异，再绑定审批结果与一次性动作哈希。
以本文验收指标比较影子流量；达到门槛才放量，越线立即执行文中的组合回滚。

实践与资料复核日期：2026-08-22；框架 API 以锁定版本的官方文档为准。

参考资料

官方文档

框架 API 会持续演进，复制示例前应再次确认当前版本。可持续的 AI 工程不依赖某个模型偶尔表现出色，而依赖清晰契约、可靠 Harness 与可重复验证。