You see, but you do not observe.

徒见其形，未察其微。

—— 柯南·道尔，《The Adventures of Sherlock Holmes》

假设你正用 Codex ^[1] 开发一个基于 Deep Agents ^[2] 的技术知识助手，希望它检索项目文档，回答版本配置问题。Codex 在开发过程中读取文件、修改代码、运行测试；而新助手运行起来后，又会调用模型、检索资料、组织上下文。

问题可能出现在不同地方：Codex 执行到一半停住，你想知道它卡在了哪次工具调用；新助手给出了旧版配置，你想核对检索结果怎样进入模型输入。前一个问题，要回看编程智能体的执行过程；后一个问题，要回看你所开发智能体的运行过程。

从开发到实际运行，两边都需要观测。 它们的采集入口却不一样：一边是现成应用管理的执行过程，一边是自己维护的程序。观测平台需要分别适配，再把采到的数据整理成一致的任务记录，让你用同一套轨迹视图读懂两边发生了什么。

上一篇，我们谈到让运行数据参与之后的工作。这一篇先把目光放在观测本身：怎样从不同运行入口留下记录，把它们关联起来、读懂，并在下次排查或交流时找得回来。Data In The Loop 要从这些日常动作里开始。

欢迎大家关注 OceanBase 社区公众号“老纪的技术唠嗑局”。在这里，我们会持续为大家更新与   和  #Data 相关的技术内容~

两种采集入口，一致的任务记录

智能体框架（Agent Framework） 用于搭建自己的 Agent，例如 LangChain ^[3]、Deep Agents、Agno ^[4]、CrewAI ^[5]、Google ADK ^[6]（Agent Development Kit）。你用它们把模型、工具和上下文组织成自己的 Agent。

程序在自己维护的代码里运行。你可以接入采集 SDK，利用框架的回调（callback），或在关键位置加上记录，也就是插桩，留下模型调用、工具参数与返回、上下文处理过程。采集点放在哪里，往往能结合自己的实现决定。

在这个助手里，检索工具返回了资料，你还想知道这些资料经过处理后，实际送给模型的是什么。在自己的程序里，可以把前后两个位置一起记录，再通过任务与父子调用关系接起来。新增节点或子任务以后，也要检查原来的采集是否还能跟上。

智能体应用（Agent App） 在这里主要指可以直接接收任务的编程智能体和通用智能体。它们已经把模型、工具和执行过程组织起来，你可以把任务交给它们，不必先搭建自己的 Agent。

编程智能体通常围绕代码仓库工作，例如 Codex、Claude Code ^[7]、Pi ^[8]、DeepSeek Harness ^[9]（dsh），可以读取文件、修改代码、运行命令，再根据结果继续下一步。通用智能体面向更广的任务，例如 OpenClaw ^[10] 这样的个人助理，可以通过接入的工具处理日常事务。两类能力会有重叠，具体任务和可用工具取决于应用的配置。

在开篇的例子里，想看 Codex 这次开发任务的记录，就要借助应用宿主开放的采集入口，比如插件、特定运行环节触发的 hooks（钩子）或运行事件。其他应用也要按各自开放的入口接入；具体采用哪种方式、能拿到哪些信息，要按应用支持的范围确认。没有开放或没有采到的部分，也需要说明清楚。

因此，观测平台需要分别适配框架和应用的采集机制。接入之后，还要读懂不同来源的字段和事件含义， 把调用关联到对应任务，保留父子关系，并标明记录的缺口。 看到一条工具记录时，要能分清它是准备执行、已经发起，还是已经返回。

两种采集入口得到的记录，可以整理成一致的任务结构。之后展开调用、查看输入与返回、核对上下文，用的是同一套运行轨迹（Trace）视图。采集适配处理来源差异，也要标明无法获得的信息，让人知道这些记录能解释到哪一步。

Data In The Loop 也从这里开始：让来自自己代码或宿主应用的数据，都能带着采集范围和运行条件留下来。之后再查这次任务时，知道记录说了什么，也知道还有什么无法确认。

开篇的 Codex 开发任务，与助手随后的一次运行，通常各有自己的轨迹。统一呈现让我们用同一套方式阅读两者；如果还想追查“这次运行对应哪版代码、哪次修改”，就要把项目、代码版本和运行标识等关联依据留下来。这样，开发时的记录和实际运行的记录，才有机会在之后的排查中接起来。

沿一项任务，读懂调用与上下文

继续看开篇那个技术知识助手。用户问新版本该怎样配置，它却给了旧版本的方法。

假设检索工具已经返回新旧两份资料，而且都标明了适用版本。展开模型调用后，你发现送给它的上下文只剩正文，适用版本没有传进去。原始返回与实际输入关联在一起，就有了继续追查上下文处理的线索。它能解释多少问题，还要结合其他记录判断；至少我们可以沿着这次运行，核对“检索成功”之后实际用到了什么资料。

我们在做观测界面时，会考虑同一项任务怎样从不同角度读。

• Chain 方便沿调用层级逐步展开；

• Graph 以流程图呈现记录中的层级关系与执行顺序；

• Timeline 帮助检查各步骤的起止与耗时。

切换读法以后，仍要能选中同一个步骤，查看对应输入和返回。

遇到并行或嵌套调用时，调用层级帮助识别归属，时间记录帮助核对先后；图上的连接还要看它表达什么关系。 已采集的层级与顺序不等于完整的因果关系，判断某一步影响了什么，仍要回到参数、返回和上下文核对。

上下文和记忆也值得这样读。写入了什么，下一次取回了什么，其中哪些进入实际模型输入，尽可能沿记录对照。长对话中，早先提供的信息是否还在、是否经过摘要或裁剪，也要以实际记录为依据。这样，你可以核对这次输出所依赖的信息，而不只凭对话中的记忆猜测。

提供 Agent 开发与观测工具的 LangChain ^[11]，在讨论 Agent 观测的文章 ^[12]中，也强调具体行为与步骤、上下文记录的联系。先能读清运行过程，后面的讨论才有共同依据。

这些记录包括已采集到的输入、输出、调用和状态，不等于模型全部的内部思考。 没采到的上下文、脱敏后的字段，要能看出缺口；证据不足以确认某个步骤是否发生时，就先保留“未知”。

工具和模型选择，怎样接回任务

Agent 通过 MCP 访问资料、文件或外部工具时，一次任务可能经过好几个服务。遇到卡顿，你往往想先找到停住的调用，再看它传了什么、收到了什么，后面怎样继续。

所以我们在考虑 MCP 观测时，会把总览和单次轨迹接起来：从 Server 找到最近调用，再回到所属任务，查看已采集的参数、返回和耗时。一个人可以从“这次为什么停住”开始；团队可以核对反复出现的超时，看看涉及哪些任务和工具版本。

一次停顿可能落在模型响应、工具访问或确认交互上。总览帮助找到排查入口，单次调用详情交代当时发生了什么，任务视图则把它接回前后步骤。能追到哪一层，要看实际采集到了哪些记录。

正常返回也值得继续读：查到了什么，内容有没有进入后续模型输入？ 调用量、错误和耗时可以帮助缩小排查范围，不能直接说明回答是否正确。 把执行记录接回任务，才知道一个状态与眼前的问题有什么关系。

模型选择同样会改变执行路径。以图中的决策模型 jev 为例，它参与选择后续调用哪个模型。候选模型的分布、confidence（决策置信度）和后续实际调用，要分别呈现。 候选分布与置信度各有含义，都不代表任务正确率；实际调用记录则让人核对这次选择怎样落到了执行中。

工具确认是另一类要读清楚的决策。图中的模型给出自动执行的候选动作，策略因置信度不足转为请求确认。这时应能看见正在确认什么、工具是否已经调用；得到确认后，也要能找到实际执行的记录。 等待确认与工具故障要分开呈现，使用者才能知道接下来该处理什么。

把记录留给之后的自己和同事

一次排查结束后，值得留下的还有人的解释：为什么怀疑这个步骤，哪些内容已经核对，哪里仍不确定。个人下次遇到相近任务时，可以找回这些线索；团队接手的人，也有机会沿同一份记录继续查。

这会影响界面怎样组织信息。任务摘要帮助人找到值得深入的地方，节点详情保留依据，关键字段说明含义。业务同事可以指出“这份资料不适用于用户的版本”，开发者继续追查处理过程，双方围绕同一处输入与返回讨论，少一些各自拿着截图重新拼经过的工作。

模型、提示词、工具和资料版本，也要与当次任务一起保留。 外部资料和工具会变化，查看旧记录时，需要分清当时运行的条件。运行耗时、调用和用量可以帮助理解消耗；按价格估算的费用与实际账单仍可能因缓存、计价方式和其他服务费用而不同。

到了第二天，查找“昨天那次任务”应当有明确入口。按任务或会话找到记录，再按需要查询相关调用、导出内容，或通过 API 交给自己的分析流程，人的说明也要保留与原步骤的关联。

个人复查需要能保存和带走有价值的材料。团队使用则要约定保存在哪里、谁能查看、哪些内容需要脱敏、留存多久。这些条件要跟着查询、导出和 API 复用一起考虑，让原始记录与人的补充说明能够在之后的工作里继续使用。

Data In The Loop 在这里很具体： 找回一项任务，读懂当时做了什么，把有依据的判断留下来，继续手上的工作。 我们正在准备一款开源的观测与评测产品，下一期会继续聊这些需求怎样落到具体实践里。

你在开发自己的 Agent，还是主要使用现成应用完成工作？

最难留下的是哪一段运行记录？

欢迎带着一个具体卡点来聊：数据接不进来、任务对不上，还是拿到了记录却看不懂？这些问题也会帮助我们继续完善采集和观测。

Codex:  https://github.com/openai/codex

Deep Agents:  https://docs.langchain.com/oss/python/deepagents/overview

LangChain:  https://docs.langchain.com/oss/python/langchain/overview

Agno:  https://docs.agno.com/agents/overview

CrewAI:  https://docs.crewai.com/introduction

Google ADK:  https://adk.dev/

Claude Code:  https://code.claude.com/docs/en/overview

Pi:  https://github.com/earendil-works/pi/tree/main/packages/coding-agent

DeepSeek Harness:  https://github.com/deepseek-ai/deepseek-harness

OpenClaw:  https://docs.openclaw.ai/help/faq/what-is-openclaw

LangChain:  https://www.langchain.com/about

讨论 Agent 观测的文章:  https://www.langchain.com/blog/agent-observability-powers-agent-evaluation

立即试用 OceanBase 企业版，体验国产数据库能力 立即试用