Mistral Managed Agents现已默认把Agent、模型和工具调用Span发送到Studio追踪界面，并在Worker侧先对常见密钥和个人信息做脱敏。这解决了Agent“只看到最终失败，不知道中间做了什么”的问题，但追踪数据本身也可能包含业务敏感信息，需要明确采集和保留规则。
一条完整轨迹应该包含什么
至少记录会话ID、模型版本、提示词版本、每轮输入输出摘要、工具名称、参数摘要、耗时、状态码、重试和人工审批。对数据库写入还要记录业务对象ID和幂等键。不要只保存自然语言回答，否则无法判断问题来自模型、工具、权限还是数据。
故障定位顺序
先看任务是否进入正确路由，再看模型是否选择了正确工具；然后检查工具参数和返回；最后查看模型如何解释结果。常见问题包括提示词缺少边界、工具描述歧义、接口返回字段变化、权限过期和重试导致重复写入。按时间线定位能避免把所有错误都归咎于模型。
脱敏不能只依赖默认规则
默认脱敏能识别常见Token和个人信息，但企业内部账号、订单号、病历字段和自定义密钥格式可能无法识别。上线前准备敏感样本测试自定义脱敏策略，确认原始内容在离开Worker之前就被处理。对于不允许进入第三方平台的数据，应关闭对应追踪或只记录哈希和字段类型。
可结合站内企业Agent接入治理数据指南建立字段分级，不要为了排错把完整客户数据长期保存。
把真实失败转成评测集
Studio允许把Span转为数据集记录。选择有代表性的成功、失败和边界案例，补充期望结果与评分规则，形成回归集。每次修改提示词、工具或模型后重新运行，比较任务成功率、工具选择、延迟和费用。不要把所有线上记录直接加入评测集，否则重复样本会掩盖真实问题。
生产监控指标
重点监控任务完成率、人工接管率、每任务工具调用、重试率、P95耗时、单任务成本和高风险动作数量。若某版本上线后重试或人工接管明显增加，应自动停止放量并回滚。轨迹保留期限按照业务合规要求设置，到期删除。
结论
Agent可观测性不是多一张日志页面，而是把“模型为什么这样做”变成可查询证据。追踪、脱敏、数据集、回归评测和版本回滚形成闭环后，团队才能持续改进Agent，而不是每次故障都靠猜。
