多智能体观测不是普通APM
Background-Job-862 · reddit · 2026-07-13
作者复盘了一次多步骤 agent 流水线事故：research agent → summarizer agent → notifier agent 交付给客户的摘要与源文档严重矛盾，但每个 agent 单独看日志都“正常”，导致团队花了两天才定位到底是哪一跳引入了错误。
他们认为 agent observability 不是单模型的 LLM observability，也不是传统 APM，而是要能回答“agent A 传给 agent B 了什么、B 又如何处理、语义在哪一步丢失”。
他们总结了需要的能力：
- 跨每一跳都保留同一个 trace id
- 记录每步的原始输入/输出 payload
- 统计每步 token 成本
- 支持按历史运行逐步 replay
后来他们用 Truefoundry 的 tracing/gateway 把这件事从“手工拼三套日志查两天”变成了更容易定位的问题。
「编程与Agent」频道最新
- GitHub Next 发布 Chopin:实时多人的 Agent 协作规划环境原型 — max__drake · 2026-10-27
- TMLR 论文：更强推理不等于更充分披露，Agent 思考越多未必告知越全 — SharonYixuanLi · 2026-10-27
- 同一套 DeepSeek 内核两种优化路线：vLLM 拆专家、SGLang 降访存 — AccBalanced · 2026-10-27
- 用 Tailscale 让云端 Grok Bot 在自己 Mac mini 上写代码，全程不开公网端口 — talkaboutdesign · 2026-10-27
- 工程师数月实践：Agent 每次调用重发全量上下文，改一个 token 全额付费 — dscape · 2026-10-27
- Alchemy 支持 Effect Workflow:跨 Durable Objects、Workflows 与 Lambda 持久函数 — samgoodwin89 · 2026-10-27