在软件中，代码记录应用的功能；而在人工智能中，追踪记录了其行为。
原文英文，约1500词，阅读约需6分钟。
📝
内容提要
在传统软件中，代码是理解应用的关键；而在AI代理中，决策逻辑发生在运行时模型中，代码仅为框架。代理的真实行为记录在追踪中，调试、测试和优化需基于追踪进行，理解代理行为需分析追踪而非代码，监控质量和协作也应围绕追踪展开。
🔎
延伸解读
追踪的重要性
在人工智能代理中，追踪成为理解代理行为的关键。与传统软件依赖代码不同，追踪记录了代理的每一步决策和逻辑。这意味着开发者需要重视追踪的质量和可观察性，以便有效调试和优化代理的表现。
调试与测试的转变
调试和测试的方式在AI代理中发生了根本变化。开发者不再通过查看代码来寻找错误，而是需要分析追踪记录。这要求开发者建立有效的追踪数据集，以便在生产环境中持续评估代理的表现和决策质量。
监控质量而非健康
在AI代理的监控中，关注点应从系统的正常运行转向决策的质量。即使系统没有错误，代理的决策可能仍然不理想。因此，开发者需要通过分析追踪来评估任务成功率和推理质量，以确保代理的有效性。
❓
Q&A
在传统软件中，代码的作用是什么？
在传统软件中，代码是理解应用功能的关键，决策逻辑存在于代码库中。
AI代理的决策逻辑在哪里？
在AI代理中，决策逻辑发生在运行时模型中，代码仅作为框架。
如何调试AI代理的行为？
调试AI代理的行为需要分析追踪，而不是查看代码，追踪记录了代理的实际操作和推理过程。
追踪在AI代理中的重要性是什么？
追踪是AI代理行为的文档，记录了每一步的逻辑和结果，是理解和优化代理行为的关键。
AI代理的性能优化如何进行？
性能优化需分析追踪以发现决策模式，而非仅仅分析代码。
在AI代理中，如何进行测试？
测试需以追踪为驱动，捕获追踪并将其添加到测试数据集中，以评估代理的表现。
🏷️
