标签：可观测性
共 10 篇文章。
-
一次 LLM 线上故障复盘
用一场典型的 LLM 线上故障，拆解从异常发现、影响止血、根因定位到改进项验收的完整复盘方法，并给出时间线、证据链和复盘模板。
-
Agent 输出来源追踪与引用设计
多步骤 Agent 的最终输出往往融合了多个工具调用和检索结果，如何设计数据模型让每句话都能追溯到源头。
-
Agent 任务回放与确定性调试
Agent 生产事故很难复现，本文讲如何用捕获的执行轨迹搭建回放调试环境，处理 LLM 采样、工具调用、时间等非确定性因素。
-
LLM 成本异常检测
从请求级成本事件、动态基线、分层检测到告警归因，系统讲解 LLM 成本异常检测的落地方法，帮助团队发现重试风暴、上下文膨胀和租户突发用量。
-
Prompt Cache 命中率监控：从盲目省钱到有数据支撑
讲解如何采集、计算并监控 Prompt Cache 命中率，涵盖指标定义、日志埋点、告警阈值设计，让缓存优化效果可度量。
-
LLM 对话轨迹存储与查询设计实践
从数据模型、索引策略到检索场景，讲解如何设计 LLM 对话轨迹（trace）的存储方案，兼顾调试、审计与成本分析的查询需求。
-
AI Agent 可观测性设计
讲清 AI Agent 可观测性的核心架构设计：该观测什么、Trace 数据模型怎么建、告警怎么定，以及自建与用现成工具的取舍。
-
AI 流水线的错误追踪方案：从日志到根因定位
系统讲解 AI 多步流水线的错误追踪设计，涵盖结构化日志、Span 追踪、错误分类与告警，附 Python 实战代码示例。
-
Claude message_id 追踪与日志关联实战指南
深入解析 Claude API 的 message_id 字段：如何在生产环境中实现请求追踪、日志关联、错误回溯与多轮会话调试。
-
LLM 可观测性实战：Langfuse 自部署完整指南
用 Langfuse 在国内自部署 LLM 应用可观测性平台：tracing、用量、成本、调试、用户反馈一站搞定，含 Docker 部署与接入示例。