做 Agent 项目有个绕不开的矛盾：系统一出问题，最希望看到完整的执行过程——模型调了什么工具、传了什么参数、接口返回了什么、每步花了多少 Token，最好全部记下来。但真把这些原封不动存下来，可能制造一个更大的问题。
Agent 处理的内容未必都能随便存、随便看。企业知识库里可能有内部文件，招聘 Agent 会读到候选人的个人信息，云端自动化工具可能接触 API Key 和临时访问凭证。主系统的权限控制做得再好，日志平台却存了一大堆原始敏感数据，等于另开了一个口子。
执行链路一长，问题还会放大：一个任务连续调十几个工具，同一份数据在不同工具之间传递，日志里就出现多份副本。开发者为了排查一次错误，反而把信息复制到了更多地方。
所以 Agent 的可观测性需要认真设计。调试时真正需要的，往往是任务编号、调了哪个工具、执行状态、耗时、错误类型，以及必要的输入参数摘要，不一定每次都保存完整用户资料。需要记具体内容的场景，结合脱敏、访问控制、保留期限和必要的审计机制，敏感信息在进入日志前就处理掉，而不是等出了问题再去删。
另外，执行记录最好跟真实操作对应：Agent 说查了数据库，就应该能找到实际查询的调用记录；说文件已上传，就应该有存储系统返回的结果。这样日志才不只是模型的工作日记，而是能用来检查系统行为的证据。Agent 会处理越来越多真实业务，权限和审计问题也会越来越具体：让系统足够透明、方便发现错误，同时不能让透明本身变成新的数据泄露风险。
正文完