《AI Agent 工程实战》13.1 结构化日志与追踪：OTel GenAI 语义约定埋点
把一次 run 变成 span 树：agent.run 下挂 model.complete 与 tool.call，用 contextvars 传递当前 span 建立父子关系，并行工具的 span 并列成兄弟；日志走 JSON 行，带 trace_id/run_id/workspace_id。OTel 只装了 API 未装 SDK，故用标准库实现最小 span 模型并对齐 GenAI 字段名。
tag
可观测性
共 129 篇文章。
在线联机原型全集第 49 章导航：AI 运维检测与时序异常预测
第 49 章「AI 运维检测（AI Ops & Anomaly Detection）」属于第 5 层概念原型，是全集中第一篇章从「玩法」转向「服务自身健康」的 PRD。它要验证用 LSTM 一类时序模型从指标与日志中预测异常，并输出可被执行的自愈规则。本页给出该章的定位、检测与规则两大验证方向、技术栈建议与文章入口，并衔接第 48 章经济系统与第 50 章自愈游戏服务器。
Agent 服务的可观测性与链路追踪
本文解决 Agent 上线后黑盒不可诊断的问题：讲清 Agent 与单次 LLM 调用在多步循环、工具调用上的可观测差异，给出 OpenTelemetry GenAI 语义约定的 span 层级与属性清单，并落地 Langfuse 与 OpenLLMetry 接入代码。文中给出每会话步数、工具成功率、P95 延迟等指标口径与阈值，并列出把 span 打爆、敏感内容入库、异步丢 trace 等坑。
联邦 Router 运维与查询计划调优：Apollo Router 实战
Apollo Router / Gateway 生产运维实战：query plan 解读与调优、实体解析与 _entities 往返成本、子图健康检查与降级、APQ 与实体缓存、遥测与分布式追踪、性能调优与容量规划。
LLMOps 全景与生产化挑战
本文系统梳理 LLMOps 全景与生产化落地难点。从与 MLOps 的本质差异（提示与模型漂移、非确定性输出、评测困难）讲起，拆解 LLM 应用从数据提示、评测、部署、监控到反馈闭环的生命周期，归纳成本、延迟、质量、安全、可观测五大挑战，给出 L1 到 L4 成熟度模型与工具栈全景表，并提供一段可运行的 LLMOps 健康度检查脚本。
日志与指标存储：可观测性后端、Grafana 与成本治理
以 ClickHouse 构建可观测性后端，覆盖日志表设计、指标 rollup 预聚合、Kafka 摄入管道、Grafana 数据源与查询模式、索引与投影加速、冷热分层与 TTL 成本治理，以及高基数与查询熔断防护，并给出可落地的生产容量规划方法。
微型博客的可观测性与 SRE 实践：SLO、告警、容量与故障演练
系统讲解微型博客的可观测性与 SRE 实践：从监控到可观测性的视角转变，四大黄金信号与分层指标体系，SLO 定义、错误预算计算与治理，日志链路的采样与关联，告警分级抑制与降噪，容量规划的压测水位与弹性，混沌工程与故障演练剧本，On-call 值班与事后复盘，以及可观测性数据自身的成本经济学。
多集群可观测性联邦与聚合：联邦查询、数据分片与全局视图
系统讲解多集群可观测性联邦与聚合：Prometheus 联邦的适用与局限、Thanos 与 Mimir 的全局视图、数据分片去重与降采样、日志与链路的跨集群聚合、全局 SLO 与跨集群告警，以及常见避坑与最佳实践清单。
可观测性驱动的发布验证与自动回滚
用可观测性数据自动判断发布是否成功：设计发布健康信号、用指标做自动判定、用日志与链路做佐证、构建自动回滚机制、把金丝雀与渐进发布接上健康校验、用 SLO 做发布门禁，以及发布复盘与持续改进的完整落地方法。
可观测性即代码：仪表盘、告警规则与采集配置的 GitOps
系统讲解可观测性即代码（Observability as Code）的工程实践：仪表盘即代码与 Grafana as Code、告警规则即代码与单元测试、采集配置即代码、GitOps 工作流与 CI 校验、评审与版本回滚，以及常见避坑与最佳实践清单。
WASM 可观测性：指标、追踪、日志与运行时监控
系统讲解 WASM 的可观测性建设：为什么 WASM 的可观测性比常规服务更难、运行时指标采集、手动与自动插桩、分布式追踪的上下文传递与 span 边界、结构化日志、性能剖析与火焰图、内存与资源监控、告警与 trap 分析，以及多租户观测隔离与生产落地清单。
运行时安全：Falco/Tetragon 与 eBPF 检测实战
从运行时威胁模型讲起，深入 eBPF 的内核钩子与检测原理、Falco 规则语法与告警管道、Tetragon 的策略执行与进程谱系、系统调用行为基线、容器逃逸与提权检测、告警降噪与响应编排，以及性能开销与内核兼容性的生产实践。
消息队列可观测性：Kafka 与 RabbitMQ 的滞后、积压与端到端延迟
系统讲解消息队列可观测性建设：Kafka 消费者滞后与分区指标、RabbitMQ 队列深度与消费速率、端到端延迟与消息追踪、消费者组再平衡观测、积压告警与容量规划，以及常见避坑与最佳实践清单。
数据库与查询层可观测性：慢查询、连接池与执行计划
系统讲解数据库与查询层的可观测性建设：慢查询日志与语句归一化、连接池指标与等待分析、执行计划与索引效率、数据库内部等待事件、从数据库指标到应用链路的端到端定位，以及常见避坑与最佳实践清单。
TS/Node 服务可观测性：OpenTelemetry、结构化日志、指标与追踪
系统讲解 TypeScript/Node 服务的可观测性建设：可观测性三支柱、OpenTelemetry SDK 与自动/手动埋点、Span 与上下文传播、pino 结构化日志与 trace 关联、Counter/Histogram/Gauge 指标、W3C TraceContext、采样策略与 OTLP Collector 接入，以及生产排错实践。
特性开关与渐进发布
讲解 .NET 中特性开关的设计与工程实践，涵盖开关分类与模型、定向放量与灰度策略、配置下发与本地缓存、A/B 实验，以及开关清理与生命周期治理。
Exemplar 与指标-链路-日志关联：从指标异常跳转到具体 trace
深入讲解 Exemplar 与指标、链路、日志三者的关联工程：Exemplar 的 OpenMetrics 规范与存储、Prometheus 与客户端埋点、从直方图指标一键跳转到具体 trace、TraceID 与日志的双向关联、Grafana 关联配置，以及常见避坑与最佳实践清单。
Clojure 日志、指标与可观测性：Timbre、OpenTelemetry 与采样
深入 Clojure 服务的可观测性建设：Timbre 结构化日志与上下文、MDC 与请求追踪、日志格式与采集、指标导出（metrics）、OpenTelemetry 埋点与 trace 传播、错误上报与采样策略、生产排错实践，帮你把「日志、指标、链路」三支柱接成一条能定位问题的观测流水线。
持续剖析：Pyroscope、Parca 与生产环境低开销采样
系统讲解持续剖析（Continuous Profiling）的工程实践：采样原理从 pprof 到 eBPF、Pyroscope 与 Parca 的架构对比、火焰图与差异分析、标签与维度设计、生产环境低开销采样策略、与指标和链路的联动，以及常见避坑与最佳实践清单。
Nginx OpenTelemetry 链路追踪：上下文透传、ngx_otel_module 与采样
把 Nginx 接入 OpenTelemetry 链路追踪，覆盖 trace 上下文透传规范、ngx_otel_module 配置、采样策略与后端服务对接要点。