观测评估约 10 分钟

agent-ops 观测与评测

智能体可观测平台的骨架：轨迹、Span、指标点、评测样本、评分五类数据模型，以及按项目隔离的轨迹查询接口。

依据 agent-solution 0.1.3 · main@bf702bc9（2026-11-03）核实

它要做什么

agent-ops（Python 包名 agent-observe）的定位写在包描述里：轨迹接入、加工、指标、评估、优化。它是"观测评估"阶段的平台：把各智能体的运行轨迹收进来，算指标、跑评测，再把结果反馈给优化。

注意

本站核实的基线版本里，agent-ops 还是早期骨架：数据模型、多数据库存储层、健康检查和轨迹查询接口已实现并有单元测试；加工流水线、指标聚合、评估器、优化器多是占位目录和协议注释，docs/architecture.md 只有一个标题。本关只讲已经落地的部分。

存储层定义了六张表，基本就是这个平台的骨架：

表	记录什么	关键字段
`traces`	一次完整执行	项目、智能体及版本、会话、状态、耗时、Token、成本
`spans`	执行里的一步	父 Span、类型（llm / tool / agent / retrieval）、模型、耗时、Token
`events`	轨迹或 Span 上的离散事件	名称、级别、内容、时间
`metric_points`	某时间窗口、某组维度上的指标值	指标名、粒度、窗口、维度、值
`eval_samples`、`scores`	评测样本与得分	期望输出引用；评估器、分数、标签、理由

几个设计点：

存储层支持 PostgreSQL、MySQL、GaussDB，以及 ClickHouse、Doris 这类分析型数据库，各有一份建表脚本。

服务是 FastAPI，目前开放两组接口：健康与就绪探针、轨迹查询（分页列表和按 trace_id 查详情）。查询自动按 project_id 隔离。存储不可用时不阻塞进程启动。

链接指向固定提交，仓库后续更新不影响这里的行号。

通关条件