OpenTelemetry 的 gen_ai 语义规范如何定义 LLM 和 Agent 的可观测性数据模型？

OpenTelemetry 社区在 2025 至 2026 年推出了面向生成式 AI 系统的语义约定，核心设计原则包括三点：Span 化一切，将每一次 LLM 调用、工具执行和检索操作建模为 Span，形成完整的 Trace 追踪树；标准化属性，通过 gen_ai.system、gen_ai.request.model、gen_ai.usage.input_tokens、gen_ai.usage.output_tokens 等属性统一描述模型调用元数据；隐私优先，Prompt 内容默认不写入 Span 属性，而是以 Span Event 形式存在，便于在 Collector 层进行脱敏、采样或丢弃。例如，一个「查询数据库并生成报告」的任务可以产生包含 planning、retrieve_data、analyze_data、generate_report 等 Span 的 Trace Waterfall，工程师借此精确定位时间消耗在哪个环节、token 花费在哪个步骤、错误发生在哪一次调用。