代理可观察性推动代理评估

代理的可观察性与传统软件不同，因其行为复杂且不确定。

评估代理时应关注推理过程而非代码路径。

运行、追踪和线程等方法用于捕捉代理的行为。

生产环境是主要的学习来源，真实数据有助于发现问题并指导测试。

传统软件是确定性的，而代理的行为是非确定性的。

代理的评估需要关注推理而非代码路径。

生产环境的追踪揭示了无法预测的失败模式。

代理可观察性使用运行、追踪和线程等核心原语。

运行捕捉单个执行步骤，追踪捕捉完整的代理执行，线程用于多轮对话的上下文。

评估代理的行为需要在运行、追踪或线程级别进行。

单步评估、全转评估和多轮评估是评估代理的不同方法。

离线评估和在线评估是评估代理的两种方式。

代理的可观察性为评估提供了基础，追踪数据用于手动调试和离线评估。

团队需要将调试推理与评估结合，以构建可靠的代理。