智能体追踪

查看和分析智能体 Trace，以审核已完成智能体运行中的每个步骤、决策和数据点，包括错误和元数据。

关于追踪

追踪是智能体在运行期间执行的所有操作的详细记录，包括采取的步骤、处理的数据、做出的决策和生成的结果。 每个追踪都捕获智能体行为的完整时间线，包括时间戳、错误、输入/输出和上下文元数据。 追踪记录用于：

• 调试和故障排除：准确识别智能体故障或意外行为。
• 性能分析：评估智能体运行的延迟、错误和吞吐量以优化行为。
• 合规和审计：保持智能体的操作、操作时间和方式的可验证记录，这对于审计或监管工作流至关重要。
• 持续改进：使用追踪洞察微调智能体逻辑，调整行为或训练新模型。

下表概述了追踪记录可视化可以增强您调试、分析和优化智能体行为的常见用例。每个示例都重点介绍了追踪数据如何帮助在开发和 runtime 监控期间发现洞察并推动更好的决策。

Use case	追踪记录为您提供哪些帮助
工具调用期间智能体故障	查找并检查具体的步骤、输入、输出和错误
速度较慢	使用时间戳定位瓶颈
调查错误激增的情况	按状态筛选运行并追踪模式
验证生产修复	重现原始运行，并确认此问题不再发生
准备审计报告	导出或查看显示决策路径和已处理数据的追踪记录

追踪类型

追踪有两种不同类型，每种类型都有特定用途，用于理解和分析智能体行为：

• 智能体运行追踪：这些追踪记录智能体在实时或计划运行期间的逐步执行。 它们显示了智能体如何处理数据、调用工具、处理条件以及对不同状态进行实时响应。
• 评估运行追踪：当智能体根据预定义输入进行测试时，通常是在模型评估、场景验证或测试用例期间，会生成评估追踪。 这些有助于评估智能体的准确性、决策质量和受控条件下的行为。

访问追踪记录

您可以从两个关键位置访问这两种类型的追踪记录：

• Agent Builder – 在设计或测试智能体时，追踪在 Agent Builder 中直接可用：
  • 运行智能体时，底部面板会自动打开 Execution Trail（执行追踪记录）选项卡，显示当前运行的实时跟踪。您还可以切换到“历史记录”选项卡，以查看过去的运行，并直接将其添加到评估集中。
  • “评估”和“输出”选项卡提供了最近运行情况的另一个视图，您可以在其中检查行为和结果以及智能体定义。
• “智能体实例”页面 – 导航到“智能体 > 实例”版块。 在这里选择一个智能体，然后选择任何运行以打开其追踪视图，其中包括完整的可视化追踪和日志面板。

在查看智能体运行或评估运行的追踪记录时，您可以看到智能体的执行情况。您可以：

• 查看彩色标记节点所示的执行结果：成功、失败或重试。
• 将鼠标悬停在任何节点上，以预览开始和结束时间戳、执行状态、输入和输出代码段。
• 选择一个节点以查看详细信息，包括完整的 JSON 有效负载、日志和错误、runtime 指标（令牌使用情况、延迟）。

Traces for the external agents your Maestro processes invoke, such as agents running in Azure AI Foundry or Databricks, are available in your own observability platform through Data Export. For details, refer to External agent traces.

许可可见性

备注：

此功能目前为预览版。Trace 报告支持的服务的消耗情况，但并非所有服务都可以显示成本。有关消耗量和成本的权威来源，请参阅许可页面。

追踪记录按跨度显示一次运行从您的许可证权限中消耗了多少。使用的跨度会在跨度名称旁边显示使用情况徽章，显示数量及其来源单位。

消耗量在执行可计费操作的跨度内报告。对于智能体运行，这是指每次LLM 调用内的模型运行跨度。没有徽章的跨度不一定是免费的。其成本可以在其一个子跨度中报告，也可以在显示徽章的最近父级上包含在总成本中。

选择一个跨度并打开“元数据”选项卡，系统将在“使用情况”部分显示数量和单位。

追踪记录中显示的单位

徽章显示的内容	它的含义是什么
Agent Unit 或 Platform Units	调用提取自您组织购买的单元。显示两者中的哪一种取决于您的许可计划：Flex 的 Agent Unit 和 Unified Pricing 的 Platform Unit。
AgenticPool.UnifiedTokens	调用从用户许可证包含的 AI 和代理使用池中提取。该池尚无显示名称，因此显示为其内部代码。

消耗量的来源

• 设计时— 调试运行和评估时，首先从您的 AI 和代理使用池中提取数据，在用尽每月限额后，再从购买的单元中提取数据。
• Runtime — 部署的运行使用购买的 Agent Unit 或 Platform Unit，每次 LLM 调用的消耗率取决于模型层级。

在预览版中，将支持其他非 LLM 调用，例如工具调用、文件附件和无服务器操作。

显示的金额是需向您的组织收取的费用。如果您的合同包含折扣消耗率，则该消耗率低于“许可”页面上发布的标准消耗率。

有关这些值背后的速率的详细信息，请参阅许可页面。有关每月限额、充值以及按单元付费回退的工作原理，请参阅AI 和代理使用池。

管理追踪数据的访问权限

本节概述了管理员如何使用基于角色的访问控制模型配置追踪数据访问权限。

要查看追踪日志，您需要以下权限：

• Logs.View
• Jobs.View

有关默认角色权限的详细信息，请参阅“默认角色”。

以下矩阵介绍了基于权限组合的可见性结果。这些组合定义了您可以查看的详细追踪信息，具体取决于您的角色权限。

Logs.View	Jobs.View	访问结果
启用	启用	所有属性
启用	禁用	所有属性
禁用	启用	部分属性（例如，名称、类型）
禁用	禁用	无访问权限

当你缺少查看追踪数据的必要权限时，您会看到一条消息，说明访问权限是完全受限还是部分受限，并提供请求必要权限的指导。

备注：

追踪数据，包括输入和输出数据，可以使用客户托管密钥 (CMK) 进行加密。智能体追踪 CMK 加密是一项可选功能，为您的组织配置 CMK 时，该功能不会自动启用。要启用该功能，请提交支持工单。有关详细信息，请参阅《管理员指南》中的“按服务加密”。

对智能体运行的反馈

备注：

此功能目前处于预览阶段。

反馈是解释和改进智能体 runtime 的关键机制。利用反馈，您可以查看行为、诊断问题，并记录有关智能体如何做出决策的有意义模式。

除了调试之外，反馈还充当基于反馈的情景记忆的核心输入，让智能体能够逐步优化其决策策略，无需为每次调整重写完整的提示词。

反馈和记忆之间的关系

虽然反馈充当批注工具，但其最强大的应用是影响情景记忆。

提供有关追踪的反馈，突出显示智能体在未来运行时应复制或避免的行为。有关如何存储和调用反馈的信息，请参阅智能体记忆。

• 演进而非重复：与静态解决方案不同，借助基于反馈的记忆，智能体的行为将随时间推移而不断改进。智能体学习识别被标记为正确或不正确的模式。
• 针对性改进：此方法在智能体经常“接近正确”或决策策略尚在形成的流程中尤为有效。
• 选择性记忆：并非所有反馈都会自动变成记忆。您必须主动确定哪些批注代表高价值学习机会，以防止低质量或不一致的反馈导致性能下降。

在何处应用反馈

您可以在智能体追踪中提供有关任何跨度的反馈。借助这种灵活性，您可以在查看或诊断行为时对特定的工具调用、防护机制检查或 LLM 输出进行批注。

只有应用于智能体运行跨度的反馈才有资格获得情景记忆。虽然您可以对追踪的任何部分进行批注以供分析，但只有直接附加到智能体运行跨度的反馈才会作为记忆存储并在将来的运行中进行检索。

何时应用反馈

虽然提供有关所有追踪的反馈会最大化迭代式学习的效果，但在实践中，您应专注于可提供最高优化价值的追踪。

重点关注以下场景：

• 关键场景：涉及高风险决策或高影响错误的追踪。
• 重复模式：智能体始终难以解决或出现重复故障的区域。
• 艰难决策：智能体面临复杂选择的实例。
• 消极情绪：导致用户体验较差的运行。
• 模型行为：清晰演示您希望智能体严格复制或严格避免的特定行为的示例。

应用反馈对于持续改进至关重要。利用反馈，您可以对更优行为进行增量编码，使智能体运行更加可靠和一致。

• 对追踪排定优先级：重点关注关键场景中的追踪、影响较大的错误或智能体难以解决的重复模式。
• 高价值场景：将优先处理代表智能体的艰难决策、体现负面用户情绪或清晰说明您希望智能体复制或避免的行为的运行。
• 重点领域：清晰识别您要提供反馈的内容：
  • 输出：最终结果是否符合预期？
  • 计划执行（轨迹）：智能体是否按预期顺序执行任务步骤？
  • 评论：使用评论来丰富反馈内容，并为记忆检索提供依据。

追踪的自定义生存时效设置

您可以使用“Automation Ops 中的 AI Trust Layer 策略”，通过配置生存时间 (TTL) 来配置 Trace 跨度的保留时长。

追踪记录生命周期在 AI Trust Layer 中定义了执行追踪记录的保留窗口。每个追踪记录都由记录自动化或 AI 交互步骤的跨度组成。TTL 设置可确定这些跨度保持可用的时间，并自动删除早于所选持续时间的跨度。TTL 仅适用于启用后记录的追踪记录。

TTL 强制执行提供三个固定选项：Off、开启（保留窗口为 1 天）或开启（保留窗口为 7 天）。没有用于指定任意天数的选项。选择最符合您隐私、合规性和运营要求的选项。

该策略在租户级别强制执行，这意味着配置的 TTL 适用于所有跨度，并影响租户中每个用户能够查看的内容。

在 Automation Ops 策略设置中的 AI Trust Layer 功能开关下，您可以启用或禁用 TTL 强制执行：

• 启用时：跨度将保留在“TTL Days”字段中选择的时长（1 天或 7 天），并在过期后自动删除。
• 禁用时：追踪不受严格 TTL 策略的约束。

要为追踪启用和配置自定义 TTL，请执行以下步骤：

1. 导航到 Automation Ops。
2. 如果您还没有 AI Trust Layer 策略，请选择添加产品策略 – AI Trust Layer。否则，请打开并编辑现有策略。
3. 选择功能开关。
4. 配置以下字段：
   • 追踪数据的生存时效强制执行 – 启用后，此设置会控制跨度在移除之前保持可见的时长。TTL 过期后，所有受影响的跨度都会从用户界面中永久删除。
     • TTL 天数 – 指定 Trace 跨度在清除之前存储的时长。 选择 1 天或 7 天。
   • 受限 Insights 追踪数据 – 如果启用此功能，则在将追踪数据发送到 Insights 之前，会从中移除所有非 UiPath 元数据。这会限制 Insights 中可用的详细信息，并影响在“智能体”页面上查看详细指标或聚合指标的能力。

备注：

如果将反馈或记忆添加到追踪中的任何跨度，则整个追踪将得以保留，不再受所配置的 TTL 限制。要允许清理追踪，您必须先移除相关的反馈或记忆。

追踪监管的影响

为追踪数据配置自定义 TTL 会产生几个重要影响：

• 分析：您的 TTL 配置决定了有多少历史追踪数据可用于分析。较短的保留时间有助于满足更严格的数据最小化要求，而较长的保留时间则可以保留更多的执行上下文，以供调查和故障排除。
• 数据删除：跨度超过配置的 TTL 后，会自动删除。更改 TTL 不会恢复任何已过期或受限制的数据。
• 可见性：TTL 窗口以外的执行运行不再显示在“追踪”用户界面或依赖速度层追踪数据的组件中。
• 作用域：配置的 TTL 适用于租户内的所有跨度，并影响每个用户的可见性。
• 例外：某些功能可能会完全绕过 TTL，例如智能体记忆和追踪反馈。这些功能的数据会无限期保留，直到定义了专门的生命周期终止策略为止。

追踪记录 TTL 故障排除

作业没有追踪记录

追踪保留和作业保留是单独的设置。AI Trust Layer 策略控制追踪记录跨度的保留时间，Orchestrator 保留策略控制作业的保留时间。如果追踪 TTL 短于作业保留期，则删除追踪后，作业会保留在 Orchestrator 中。

例如，如果追踪 TTL 为 1 天，而已完成的作业默认保留 30 天，三天前运行的作业仍会显示在 Orchestrator 中，但其追踪记录不再可用。有关作业保留的详细信息，请参阅“流程数据保留策略” 。

显示过期消息的追踪

当您打开早于 AI Trust Layer 策略中设置的 TTL 的作业追踪时，追踪记录会显示以下消息：根据您的监管策略，此作业追踪可能已过期。

如果追踪是在启用 TTL 之后记录的，则其跨度将被删除，并且无法恢复。如果追踪是在启用 TTL 之前记录的，则仍可以显示其跨度。有关详细信息，请参阅启用 TTL 后，较旧的追踪记录仍然可见。

启用 TTL 后，较旧的追踪仍然可见

在启用 TTL 之前记录的追踪将保留记录时所应用的保留期：

• 追踪列表仅显示新 TTL 窗口内的追踪。
• 您仍然可以直接打开较旧的追踪，例如，从 Orchestrator 中的作业打开较旧的追踪。
• 您无法按需删除这些追踪。在原始保留期结束时，系统会将其删除。