AI Tracing
AI 执行追踪
AI 执行追踪会记录一次 AI 工作的每个相连步骤，例如模型调用、搜索、工具和代理工作。这份记录让人能从头到尾查看发生了什么。
另一个例子
一次失败回答的追踪编号是 8f2。记录连起搜索分数、模型延迟、工具输入和被拦截的结果；没有同意或隐藏个人信息就保存原始提示，是隐私问题，不是好的监控。
主要部分
- 01trace 标识符
- 02关联 span
- 03脱敏属性
什么时候用
要找出一次 AI 运行的问题，或测量模型与其他步骤时，可以使用这个词。
什么时候不要用
不要默认收集敏感内容，也不要把很多次运行的汇总数字叫作单次追踪。
代码里的名称
trace → spans → events + attributes 上线前要检查
检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。
预期结果：使用或评估 AI 执行追踪 (AI Tracing)，让 AI 行为可以衡量，也能连回证据。 用户场景：一次失败回答的追踪编号是 8f2。记录连起搜索分数、模型延迟、工具输入和被拦截的结果；没有同意或隐藏个人信息就保存原始提示，是隐私问题，不是好的监控。 AI 方法或概念：AI 执行追踪 (AI Tracing)。 适用理由：要找出一次 AI 运行的问题，或测量模型与其他步骤时，可以使用这个词。 不应使用的情况：不要默认收集敏感内容，也不要把很多次运行的汇总数字叫作单次追踪。 AI 要求：定义输入与参考证据。设置模型和工具权限。使用有版本号的评估数据与指标。说明失败、拒答、隐私、速度与成本限制。 运营防护：保留可查询记录，并隐藏其中的敏感数据。提供用户看得懂的安全备用做法。标出必须由人工复核的步骤，并定义模型或提示词的恢复方式。 验收标准：在有版本号的评估集上记录当前基线与目标。测试边界案例与恶意输入。验证安全备用做法、监控、权限与恢复方式。 证据与限制（证据边界）：它只代表该来源的官方说法。其他平台或团队可能有不同用法。 待确认：目标任务、模型与版本、评估负责人、参考数据、风险阈值、工具权限，以及生产环境的安全备用做法。
检查这份需求
请 AI 编程助手检查当前如何使用 AI 执行追踪 (AI Tracing)。 定义：AI 执行追踪会记录一次 AI 工作的每个相连步骤，例如模型调用、搜索、工具和代理工作。这份记录让人能从头到尾查看发生了什么。 生产环境检查：检查模型与提示词版本、参考数据、有版本号的评估集与指标。验证答案能否连回来源证据，也要检查工具权限与隐私。再检查常见失败、拒答、安全备用做法与人工复核。也要检查监控、成本、速度与恢复方式。 修改程序前，先列出看到的证据、缺口、严重程度，以及最小且安全的修正。