可观测性

LLM 网关把模型访问、密钥、限流、日志、路由和成本策略收口到统一层，但单模型小应用不一定需要提前引入。

LLM App 学习资料应按 Demo、工程化、数据、评估、监控和成本分层。目标不是多会几个 SDK，而是完成可维护的系统闭环。

Agent 框架至少要清楚支持工具调用、状态管理、可观测性、人工审批和可运行示例，才值得进入正式试用。

以 Langfuse 的 tracing 思路为参照，拆解 AI 应用需要记录的调用、链路、错误和用户反馈，以及哪些数据不该进入日志。

多 Agent 演示容易用简单任务、宽权限和不可见的协作过程制造顺畅感。本文给出从演示到试点的验收方法。