AI Tracing
AI 執行追蹤
AI 執行追蹤會記錄一次 AI 工作的每個相連步驟，例如模型呼叫、搜尋、工具和代理工作。這份紀錄讓人能從頭到尾查看發生了什麼。
另一個例子
一次失敗回答的追蹤編號是 8f2。紀錄連起搜尋分數、模型延遲、工具輸入和被擋下的結果；沒有同意或遮住個資就保存原始提示，是隱私問題，不是好的監控。
主要部分
- 01trace 識別碼
- 02關聯 span
- 03去識別屬性
什麼時候用
要找出一次 AI 執行的問題，或量測模型與其他步驟時，可以使用這個詞。
什麼時候不要用
不要預設收集敏感內容，也不要把很多次執行的彙整數字叫做單次追蹤。
程式裡的名稱
trace → spans → events + attributes 上線前要檢查
檢查模型與提示詞版本、參考資料、有版本編號的評估集與指標。驗證答案能否連回來源證據，也要檢查工具權限與隱私。再檢查常見失敗、拒答、安全退路與人工覆核。也要檢查監控、成本、速度與回復方式。
預期成果：使用或評估 AI 執行追蹤 (AI Tracing)，讓 AI 行為可以衡量，也能連回證據。 使用者情境：一次失敗回答的追蹤編號是 8f2。紀錄連起搜尋分數、模型延遲、工具輸入和被擋下的結果；沒有同意或遮住個資就保存原始提示，是隱私問題，不是好的監控。 AI 方法或概念：AI 執行追蹤 (AI Tracing)。 適用理由：要找出一次 AI 執行的問題，或量測模型與其他步驟時，可以使用這個詞。 不應使用的情況：不要預設收集敏感內容，也不要把很多次執行的彙整數字叫做單次追蹤。 AI 要求：定義輸入與參考證據。設定模型和工具權限。使用有版本編號的評估資料與指標。說明失敗、拒答、隱私、速度與成本限制。 營運防護：保留可查詢記錄，並隱藏其中的敏感資料。提供使用者看得懂的安全退路。標出必須由人員覆核的步驟，並定義模型或提示詞的回復方式。 驗收條件：在有版本編號的評估集上記錄目前基準與目標。測試邊界案例與惡意輸入。驗證安全退路、監控、權限與回復方式。 證據與限制（證據邊界）：它只代表該來源的官方說法。其他平台或團隊可能有不同用法。 待確認：目標任務、模型與版本、評估負責人、參考資料、風險門檻、工具權限，以及正式環境的安全退路。
檢查這份需求
請 AI 程式助手檢查目前如何使用 AI 執行追蹤 (AI Tracing)。 定義：AI 執行追蹤會記錄一次 AI 工作的每個相連步驟，例如模型呼叫、搜尋、工具和代理工作。這份紀錄讓人能從頭到尾查看發生了什麼。 正式環境檢查：檢查模型與提示詞版本、參考資料、有版本編號的評估集與指標。驗證答案能否連回來源證據，也要檢查工具權限與隱私。再檢查常見失敗、拒答、安全退路與人工覆核。也要檢查監控、成本、速度與回復方式。 修改程式前，先列出看到的證據、缺口、嚴重程度，以及最小且安全的修正。