《AI Agent 高级编程》10.1 统一可观测：三框架 trace 归一 OTel
pydantic-ai 原生就吐 OTel span，smolagents 与 minagent 却只有各自的内部轨迹。本节在装了 opentelemetry-sdk 1.44.0 的环境里真跑：把三种来源的 trace 归一到一张中间表示，再统一 emit 成 GenAI 语义约定的 OTel span 树，并给出三框架 span 字段到 OTel 属性的逐项映射表。
tag
OpenTelemetry
共 37 篇文章。
tracing 与可观测性
Rust 可观测性实战：tracing 的 span/event 模型与字段结构化、tracing-subscriber 的 Layer 组合与 EnvFilter、tracing-opentelemetry 接入 OTLP、日志与指标追踪的关联（trace_id 透传）、采样与脱敏的生产取舍。
《Python编程实战》17.1 OpenTelemetry 追踪
日志知道发生了什么、指标知道系统健不健康，追踪回答「一次请求慢在哪一段」。本节用 opentelemetry-api/sdk 1.45.1 真跑 TracerProvider、嵌套 span 的父子关系与耗时、手动埋点与装饰器、W3C traceparent 跨服务传播，并贴出 FastAPI 0.143.0 内建埋点导出的真实 SERVER span。
《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。
《TypeScript编程实战》17.1 OpenTelemetry 追踪
本节从日志排障的局限出发，讲清 OpenTelemetry 的 Trace、Span 与 Context 数据模型，并给出 Node.js 侧可直接运行的 SDK 初始化、自动插桩与采样配置。你将学会在 Fastify 中间件里手工埋点、跨服务传播 traceparent、把 trace_id 写进结构化日志，并用语义约定统一 span 属性命名，避开采样过高与上下文丢失等常见坑。
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。
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。
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。
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。
Go 日志与可观测性：slog、结构化日志与 OpenTelemetry 集成
Go 日志与可观测性工程实践：从标准库 log 到 slog 结构化日志、Handler 自定义、日志级别与上下文关联、OpenTelemetry Trace 集成、Metrics 指标与运行时监控、以及生产日志体系与告警的设计原则。
日志与可观测性
系统讲解 .NET 应用的可观测性建设，覆盖 ILogger 与日志级别、结构化日志、Serilog 管道、OpenTelemetry 链路追踪与指标采集、健康检查，以及日志治理与容量管控的最佳实践。
Zig 可观测性：结构化日志、OpenTelemetry 与指标采集
可观测性是现代分布式系统的核心能力。本文系统讲解 Zig 中 std.log 接口的自定义扩展、JSON 结构化日志输出、日志轮转策略、OpenTelemetry trace 与 metric 的 SDK 集成、Prometheus Pull 模型端点实现，以及 gauge/counter/histogram 指标类型的工程实践，帮助开发者构建完整的 Zig 服务可观测体系。
Serverless 日志与链路追踪：平台日志、OpenTelemetry 与结构化日志
Serverless 日志与链路追踪深度实战：平台内置日志的局限、结构化 JSON 日志与上下文注入、OpenTelemetry 在边缘与函数里的落地、trace 传播、采样与采集成本控制，帮你构建可排障、可观测的 Serverless 应用。
《Go 语言编程实战》10.3 链路追踪（OTel）
给 TaskHub 装上 OpenTelemetry 链路追踪：用 Tracer 建父子 span、标注属性与错误状态，用 stdouttrace 在本地把 span 打出来，用 W3C traceparent 把 trace 跨服务串起来，再把 trace_id 写进 slog，最后讲清采样策略与优雅关闭，并说明本机没有 collector 故 OTLP 导出未实测。
可观测性工程：Micrometer 指标模型与 OTLP 导出
从工程视角深入可观测性，剖析 Micrometer 指标模型与 MeterRegistry 维度设计，讲解 OpenTelemetry 与 OTLP 导出、Prometheus 与 Grafana 大盘，以及应用级自定义指标与告警体系
PHP 可观测性实战：日志、指标、链路追踪与 APM
PHP 可观测性实战：日志系统选型（Monolog 处理器/格式化/上下文）、结构化日志（JSON/ECS）、分布式链路追踪（OpenTelemetry/OpenTracing）、APM 工具集成（Laravel Telescope/New Relic/Datadog/Blackfire）、自定义指标与性能埋点、日志聚合（ELK/Loki）、健康检查与告警、可观测性三支柱（Metrics/Logs/Traces）的工程落地。
OpenTelemetry 插桩实践：手动、自动与语言 SDK
深度讲解 OpenTelemetry 插桩的三种落地方式：手动插桩（Tracer/Span/Meter/Logger 的创建与关联）、自动插桩原理（Java 字节码增强、Python MonkeyPatch、Node require 钩子、Go 包装器）、各语言 SDK 配置、资源与语义约定、采样与出口，以及插桩的可测试性。
GraphQL 可观测性与链路追踪：从 resolver 指标到全链路
GraphQL 可观测性实战：与 REST 可观测性的差异、GraphQL 特有的追踪维度（操作/字段/resolver 级）、Apollo Tracing 与 OpenTelemetry 集成、resolver 级耗时与 N+1 的观测、操作级指标（类型/复杂度/缓存命中率）、错误与告警聚合、全链路追踪（traceId 贯穿网关→resolver→DB）、以及可观测性驱动的性能优化闭环。
Scala 可观测性实战：结构化日志、链路追踪与指标
系统覆盖 Scala 服务的可观测性三支柱：结构化日志（SLF4J/Logback、JSON 日志、字段规范）、链路追踪（OpenTelemetry、trace/span 上下文、跨服务传播）、指标（Micrometer/Prometheus、业务指标与资源指标）、可观测性与 Effect/Fiber 的集成（追踪上下文贯穿异步）、以及日志与追踪的工程实践（采样、脱敏、告警联动），帮助读者把「看日志猜问题」升级为「三支柱协同定位」。