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。