系列：100 天系统学习 AI Agent 开发
当前阶段：LangChain 与 LangGraph 工程化
今日目标：Trace 把模型调用、工具调用、输入输出和错误链路记录下来，方便定位失败原因。

1. 用项目眼光看

今天的主题更偏工程化：Trace 把模型调用、工具调用、输入输出和错误链路记录下来，方便定位失败原因。 看起来没有写 Demo 那么刺激，但它决定 Agent 能不能持续变好。没有记录和评测，优化就只能靠猜。

今天也是阶段节点，文章里要多写一点复盘：前几天学到的东西有没有真的串起来，哪里还只是停留在概念层。

2. 设计取舍

• 可观测：记录模型调用、工具调用、错误和耗时，失败时能回放。
• 可评分：把好坏拆成指标，例如事实正确、工具选择、安全合规。
• 可回归：每次改 prompt、工具或模型，都要用旧样本重新验证。

3. 小实验

今天的主任务是：为每次 Agent run 记录：用户问题、工具列表、每步输出、耗时、最终结果。

我会按这个节奏做：

1. 把今天主题拆成至少 5 条可测试样本。
2. 完成主题任务：为每次 Agent run 记录：用户问题、工具列表、每步输出、耗时、最终结果。
3. 给每条样本写通过标准，不再只写“看起来还行”。

4. 验收样例

今天的产物可以是一份评分标准，后面每次改 Agent 都能复用：

5. 复盘记录

今天我把「LangSmith Trace」的判断标准写得具体一点：发布前要能拿着文章反问三遍。

• 这篇有没有一个真实产物？有，目标是 一份评分 rubric、trace 字段表或回归样本。
• 这篇有没有一个真实风险？有，重点是没有 trace 的 Agent 就像没有日志的后端服务，出了问题只能凭感觉。
• 这篇有没有一个真实读者收益？有，读者应该能做到：读者看完能给自己的 Agent 设计第一批测试样本。

面试官会追问：Trace 里最少要记录什么？

一次 run 至少要串起 user_request、model_call、tool_call、retrieval、approval 与 final_output，并用 trace_id 和 span_id 表示父子关系。模型版本、Prompt 版本、工具版本、Token、延迟、错误码也要进入 span 属性，否则无法比较两次运行。

记录越多不代表越好。原始 Prompt、文档片段和工具结果可能含密钥与隐私，进入观测平台前要分级、脱敏和设置保留期。生产 trace 默认记录摘要与哈希，需要排障时再在授权范围内查看原文。

面试时我会用一个失败 trace 讲故事：先看到最终答案错，再定位到 reranker 把正确证据排到了第八位，而不是笼统地说“模型产生了幻觉”。

今日检查清单

• 给今天的产物命名，后面文章能继续引用：一份评分 rubric、trace 字段表或回归样本
• 给今天的坑找一个反例或失败输入
• 给今天的文章补一个读者能直接照做的步骤
• 写出 5 条能复跑的评测样本
• 给「LangSmith Trace」定义至少 3 个评分维度
• 保存一条失败 trace，说明失败发生在哪个环节
• 把下一篇需要的输入单独列出来