熱線電話：400-882-3320
由 Session 與 Trace 清單瞭解一次對話發生了甚麼
按 Agent、執行個體、模型、Token 範圍、時間及風險級別搜尋 Session。打開目標 Session 的每一輪，找出行為、延遲或成本開始改變的 Trace。
AI Agent 可觀測性概覽
AI Agent 可觀測性不只檢查模型 API 是否成功。它把 Prompt 與 Completion、模型呼叫、工具執行、檢索、Guardrail、延遲及 Token 用量連接至每個 Session 與 Trace 的完整工作路徑。
觀測團隊正在使用的 AI Agent 工作流程
在同一營運視圖分析受支援 Agent Runtime 及自建企業應用程式的多輪對話、模型呼叫、工具執行、Token 成本與風險事件。
OpenClaw
Hermes
Claude Code
Codex
其他 AI Agent營運挑戰
Agent 執行過程成為黑盒：只有最終回應，無法解釋中間的模型、檢索及工具處理。
Token 成本與延遲難以控制：長 Context、重試及重複工具輸出可令單一任務遠比預期昂貴或緩慢。
風險事件無法定位：危險命令或敏感資料操作必須回到相關 Session、Trace 及 Span。
AI 工作流程與生產系統分離：缺乏共同服務及業務脈絡時，很難判斷下游影響及真正負責人。
Guance 解決方案
Session 與 Trace 分析：以穩定識別碼重建對話、回合及執行路徑。
模型及工具呼叫分析：比較請求、參數、輸出、狀態、耗時與呼叫次序。
Token 與效能監控：量度輸入、輸出、快取 Token、延遲、重試及成本來源。
風險事件關聯：把 Guardrail 及行為事件連接至相關動作與周邊脈絡。
AI Agent 調查工作流程
更多內容
常見問題
AI Agent 可觀測性與 LLM 可觀測性有何分別？
LLM 可觀測性聚焦模型請求、回應、延遲、Token 用量及品質；AI Agent 可觀測性再延伸至多輪 Session、協調、檢索、工具呼叫、狀態變化及風險事件。
AI Agent 可以收集哪些信號？
視乎埋點方式，Guance 可分析 Session 與 Trace 識別碼、模型供應商與模型、輸入及輸出 Token、延遲、Span 層級、工具呼叫、參數、狀態、重試、風險事件及自訂業務屬性。
如何為 AI Agent 應用程式加入埋點？
先建立 Agent 或 LLM 監控應用程式，再按受支援 OpenTelemetry／GenAI 語義屬性或整合流程為 Runtime 加入埋點。重點是持續保留穩定的 Session、Trace、Agent、模型及業務識別碼。
哪些團隊會使用 AI Agent 可觀測性？
AI 工程、應用程式開發、平台、SRE、安全及產品團隊可使用這些數據改善 Agent 的可靠性、效能、成本、品質與營運責任。
