当你的智能体在生产环境中出错时，如何定位哪一步出了问题？

一直在构建多步骤智能体，让我头疼的不是构建本身，而是当它们失败时知道发生了什么。比如智能体在我测试时运行良好，但在实际使用中却做了蠢事——选错工具，或给出一个自信的错误答案——然后我就卡在翻日志上，试图找出链中哪一步真正出了岔子。目前我的“流程”老实说就是到处加打印语句，然后手动重读跟踪信息。感觉太原始了。你们都是怎么处理的？ * 有没有什么真正的方法能在修改后捕捉到智能体的性能退化？ * 对于那些在生产环境中运行智能体的人——你们如何日常知道它们还在正常工作？ * 有人找到什么真正有帮助的东西吗，还是大家都只是读日志？我想弄清楚是我做得太难了，还是目前根本没有好的答案。