可观测性
事件流可视化、Token 追踪、OpenTelemetry 集成
本页解决的问题
先给结论「可观测性」要解决的关键问题是什么？
事件流可视化、Token 追踪、OpenTelemetry 集成
让这个结论先证明自己值得留下。 把这一页当成决策工具，而不是需要背下来的定义。把概念连到一个真实任务、一个可观察结果，以及一个能改变你判断的失败上。
写下一个问题：试完这个方法后，你能用什么证据回答它？
结论听起来很完整，却没有检查最关键的假设。
「实时监控台」如何改变一次回答
「事件流可视化、Token 追踪、OpenTelemetry 集成」说明，模型处理的不是我们眼中的“字数”，而是一段段 Token。Token 的切分方式会影响输入长度、上下文能放下多少内容，以及一次请求要花多少计算。
长度、信息量和上下文不是一回事
当「事件流可视化、Token 追踪、OpenTelemetry 集成」变长时，先要分清三件事：文字被切成多少 Token、哪些内容真正参与当前判断、以及旧内容是否已经超出上下文窗口。删掉重复说明通常比单纯把窗口开得更大更有效。
先保留会改变判断的内容
可以用「事件流可视化、Token 追踪、OpenTelemetry 集成」做一次对照：保留同样的问题，分别删掉重复背景、压缩格式和移除无关历史，比较答案质量、延迟与 Token 数量。
从「实时监控台」走到「设计决策」
「实时监控台」先把问题落在「▶ 模拟一次任务 重置 就绪 · 点击按钮开始模拟 事件流 Event Stream 等待任务启动… ⏱️ 总耗时 — s 🧠 LLM 调用 0 次 🔧 工具调用 0 次 📥 输入 Token 0 📤 输出 Token 0 💰 预估费用 ¥ 0.00 📁 文件变更 0 个」上；到了「设计决策」，讨论继续推进到「📌 设计决策 1 没有可观测性 = 黑箱。 当用户问「Agent 怎么这么慢」或「这次怎么花了这么多钱」，你需要数据来回答。 📌 设计决策 2 每个事件类型都是一个产品决策点： text 用于流式展示、tool_start/end 用于进度条、usage 用于计费、error 用于告警。 📌 设计决策 3 示例系统 用 OpenTelemetry 标准 记录所有 spans：agent.turn、llm.req…」。两段连起来，重点就不只是记住一个结论，而是看清它成立所依赖的条件。
把这条判断带到下一个场景
处理长文本时，先保留会改变结论的内容，再决定如何压缩格式和历史；上下文更长只有在新增信息真正有用时才值得付出代价。
- 「实时监控台」：▶ 模拟一次任务 重置 就绪 · 点击按钮开始模拟 事件流 Event Stream 等待任务启动… ⏱️ 总耗时 — s 🧠 LLM 调用 0 次 🔧 工具调用 0 次 📥 输入 Token 0 📤 输出 Token 0 💰 预估费用 ¥ 0.00 📁 文件变更 0 个
- 「设计决策」：📌 设计决策 1 没有可观测性 = 黑箱。 当用户问「Agent 怎么这么慢」或「这次怎么花了这么多钱」，你需要数据来回答。 📌 设计决策 2 每个事件类型都是一个产品决策点： text 用于流式展示、tool_start/end 用于进度条、usage 用于计费、error 用于告警。 📌 设计决策 3 示例系统 用 OpenTelemetry 标准 记录所有 spans：agent.turn、llm.req…
最后的「最后把结论落到实践」把讨论落到「事件流可视化、Token 追踪、OpenTelemetry 集成」。回看这条线索时，最值得保留的是：当输入、规模或风险改变，哪些判断需要重新做一遍。
我把这篇文章里的一个判断改写成了今天可以验证的小实验。比记住结论更有用的是，知道下一步要观察什么。
读完以后我先回头找它成立的条件，而不是直接把方法搬进项目。这个顺序让后面的取舍清楚很多。
如果把这个判断放到真实工作里，最先需要补的约束是什么？我想知道从阅读到第一次实践之间，哪一步最值得先做。
还没有这篇文章的讨论。