什么是 Agent 可观测性？盯住执行过程

AI 智能体一跑起来就是黑盒：它在想什么、调了哪些工具、卡在哪一步，用户从外面看不到。Agent 可观测性就是给这个黑盒装上记录仪和仪表盘，让执行过程中的每个动作都留痕、可查、可回看。没有它，出了问题只能靠猜；有了它，每个环节都有据可查。

类比开车：仪表盘不会替你开车，但没了它，你不知道还剩多少油、发动机热没热。可观测性对智能体，就是这块仪表盘。

给执行过程装仪表盘

可观测性的最小实现是日志：每一步记录时间、动作、输入摘要、输出摘要。更进一步是结构化轨迹，把「规划、调用、观察」三类事件按顺序串成一条链，像看视频进度条一样看智能体走到了哪。扣子（Coze）这类平台的工作流页面，本质上就是在提供这种可视化轨迹。

记录的要诀是「每步留痕，摘要优先」：全文塞日志会让排查变成翻书，存摘要加关键原文，既省空间又够定位。

看哪三样：轨迹、状态、花销

轨迹回答「它做了什么」：调用了哪个工具、传了什么参数、拿到了什么结果。状态回答「现在到哪了」：哪个子任务完成、哪个在跑、哪个失败待重试。花销回答「付出了多少」：调了几次模型、耗时多少、如果按量计费花了多少钱。

三样各管一摊：轨迹管事后复盘，状态管当下盯梢，花销管成本控制。个人用纳米AI或秘塔AI搜索跑长任务时，哪怕只看调用次数和耗时这两项，也能发现大半问题。

三样各回答一个问题，记什么、管什么都不同。

出问题时它怎么帮你

可观测性最值钱的时刻是出错的时候。智能体交付了一份离谱的报告，翻轨迹能立刻看到是检索拿错了资料，还是写作环节理解偏了，还是审校形同虚设。定位到环节，修复就变成了改一处而不是重做整条流程。

它还能发现「没出错但不划算」的问题：某个工具调用重复了二十次、某个环节平均耗时是别处的十倍，这些只有靠记录才能看见。

类比哪里失效：仪表不会撒谎

汽车仪表可能坏了、误报，而智能体的日志是程序直接写入的，记录即事实——问题往往反过来：记录太全，人看不过来。所以可观测性做得好的系统，配套的不是更多数据，而是更聪明的视图：折叠重复、高亮异常、按环节聚合。

失效的还有「预警」：仪表盘会亮红灯，日志自己不会喊。要配上简单的告警规则，比如连续失败三次就通知，记录才变成真正意义上的仪表。

一句话带走

判断一个智能体能不能放心交给它长任务，别先看它多聪明，先看它跑起来后你能不能看清它在干什么。看不清晰的智能体，聪明也只敢让它干短活。

可观测性三件套

• 轨迹：每步动作、参数、结果，按序留痕
• 状态：任务清单上谁完成、谁在跑、谁失败
• 花销：调用次数、耗时、按量的花费

给手头的智能体任务对照这三样，缺哪样就先补哪样的记录。

延伸阅读：轨迹数据存哪、怎么共用，见什么是共享工作区？多 Agent 的白板；粒度影响盯梢难度，看什么是拆解粒度？任务分多细合适；拿记录出考题，参考什么是评测套件？Agent 能力的考卷；把出错那一步重放一遍，见什么是回放调试？重看每一步，一次讲明白。

聊聊可观测性的常见疑问

• 记录越多越好吗？：不是。记录要为排查服务，全文级记录查询又慢又贵，摘要加关键原文的结构最实用。
• 单个智能体也需要可观测性吗？：需要。只要任务超过两步、用到工具调用，就值得留轨迹，排查一步到位比凭记忆回想省得多。
• 可观测性和测试有什么区别？：测试是跑之前验证对不对，可观测性是跑之中和跑之后看清发生了什么，两者互补，不能互相替代。