探讨Agent可观测性：代码无报错却任务失败的排错
代码没有抛异常，接口也正常返回，为什么 Agent 还是把任务做错了？本集从这个问题出发，讨论运行状态之外，Agent 排错还需要哪些决策证据。 我们会梳理 Run、Trace、Thread 三个记录层次，看看单步执行、完整任务和多轮交互分别需要检查什么；再从单步评估走到整条执行轨迹，理解为什么“每一步看起来合理”，仍可能得到错误的整体结果。 最后，讨论怎样把生产中发现的新问题整理成离线样例，在后续调整中反复验证，让线上观察、问题定位与离线评估接起来。 《看透 Agent：AI 可观测性与评估