在软件中，代码记录应用的功能；而在人工智能中，追踪记录则起到这个作用。

在传统软件中，代码是理解应用的关键，而在AI代理中，决策逻辑体现在运行时模型中。

AI代理的代码只是支架，实际的决策发生在模型运行时。

理解代理行为需要分析追踪记录，而非代码，追踪记录记录了代理的实际行为及原因。

调试、测试、优化和监控的方式需要围绕追踪进行，而不是代码。

在AI代理中，输入相同的情况下，可能会产生不同的输出，理解发生了什么需要查看追踪记录。

调试变为追踪分析，错误不在代码逻辑，而在代理的推理过程。

无法在推理中设置断点，但可以通过追踪和实验环境进行逻辑调试。

测试变为基于评估的过程，需要在生产环境中持续评估追踪记录以捕捉质量下降。

性能优化从分析代码转向分析追踪，以发现决策模式和效率问题。

监控的重点从系统健康转向决策质量，需要分析追踪记录以监控任务成功率和推理质量。

协作需要在可观察性平台上进行，追踪记录成为协作的核心，而不仅仅是代码。

产品分析与调试合并，理解用户行为需要理解代理行为，追踪记录是关键。

在AI代理中，追踪记录是文档，所有操作需围绕追踪进行，良好的可观察性至关重要。