当所有 span 都显示正常但代理仍然执行错误操作时，你实际上会检查什么？

好奇在生产环境中人们如何处理这个问题。不是那种工具抛出异常或某个节点明显失败的简单情况。我说的是当整个运行看起来都很健康时：LLM调用返回，检索返回文档，工具返回200，状态更新显示成功，验证通过，最终步骤完成，但实际结果仍然错误，哈哈。我听说过很多不同的版本发生这种情况。工具说成功，但响应体悄悄包含错误；正确的字段存在，但有错误的账户或租户ID；检索返回完全有效的文档，但它们是那个请求的错误文档；状态成功写入，但下一步读取了不同的内容；配置的模型说一件事，但回退/提供者实际提供了另一个；某物被验证了，但检查的是错误的东西。这就是我觉得“状态=成功”不再告诉你很多的时候。那么，当一切在技术上都显示正常时，你接下来会寻找什么证据？你是与已知良好的运行进行比较吗？开始向后追踪状态？检查每个下游步骤具体消耗了什么？验证写入后的读取，而不是信任写入响应？查看有效的模型/提供者/缓存信息？或者是否有一些数据你希望每次跟踪都捕获，因为没有它你基本上是在猜测？我特别好奇最后一个问题，当最需要时通常不在跟踪中的东西是什么？任何你构建的东西也欢迎，只需在下面链接，我喜欢看到解决方案，免费请不要只是推广垃圾，谢谢。