Agent Traces

定义

Agent Trace（代理执行轨迹）是一次 Agent 运行的完整结构化记录：它串起所有用户请求、模型输入输出、工具调用、中间状态变化与最终结果。Trace 不是"日志"的美化版——它是让 Agent 系统可以被评估、被调试、被用来改进自身的核心数据资产。

要点

• Trace 是一切持续学习的起点：无论是训练模型、改进 harness 还是更新 context，流程都从"先把 trace 拉出来"开始
• 三种用法对应 三层持续学习：
  • 喂给训练流程 → 模型层改进
  • 喂给 coding agent 读取 → harness 层改进（Meta-Harness 模式）
  • 喂给离线 dreaming 或在线 memory 更新 → context 层改进
• 为什么要结构化：纯文本日志难以按 step 重放、难以聚合统计；trace 通常是嵌套 JSON，每一步都有 input / output / metadata
• 观测性基础设施：LangSmith、Langfuse、Phoenix 这类工具本质是 trace 收集 + 检索 + 评估的平台
• Trace 是新时代的"点击流"：就像 web 产品迭代靠埋点数据，Agent 产品迭代靠 trace

示例

• LangSmith trace 视图里可以看到每一步工具调用的完整 request/response，支持"选一段 → 生成 eval dataset"
• Deep Agents 就是用 LangSmith 收集 trace → 让 coding agent 读 trace → 改 harness 代码的方式在 terminal bench 上持续改进的

相关概念

• 三层持续学习
• Self-Improving Agent
• Autoresearch

参考资料

• Harrison Chase, Continual learning for AI agents (2026-04-05)
• LangSmith Observability Concepts