AI 可观测性：从机制到独立运用
通过结构化事件、指标与trace还原一次模型任务，分清用户等待、模型生成、工具重试与业务提交，再把失败转成可重放评估样本。采集范围必须服从隐私与保留规则。
阅读起点
先读 Agent 开发，会Python字典与基本统计；无需先购买观测平台。
标准库实验使用 Python 3.12。每个标注完整实验的代码块单独保存为 lab.py，运行 python lab.py；同页局部替换按文字指示追加或替换。框架课程在正文给出独立虚拟环境与版本安装命令。断言失败会抛出 AssertionError，成功打印的值用于观察过程。网络和付费模型调用均单独标明，先读凭证与成本条件。
阅读顺序
每章正文包含首次运行入口与独立变体，答案在章内单独核对。框架调用、业务副作用与模型质量分别验证；确定性替身能检验控制流，不能证明真实模型准确率。大项目放在实战板块，正文使用小案例建立机制。