链路追踪实现了跨节点的请求粒度数据透传与关联，基于链路体系能够孵化出丰富的链路生态，比如全链路压测、全链路灰度、架构感知、根因定位与影响面分析等。
在 LLM 大模型领域，链路追踪也能发挥巨大价值：帮助算法工程师或运维人员定位每一次模型训练或推理的过程与结果，有效识别并解决"幻觉"、评估调优等问题。文章提到阿里云 LLM Trace 将正式发布上线。
阿里云在链路追踪方面的后续规划主要包括：
- 倡导链路追踪行为公约：链路插桩、采集和协议透传只是基础，如何更有效使用链路数据解决稳定性运维、业务运营增长等诉求还需更多探索，比如统一的链路行为控制（采样策略、流量标签等）、广泛的数据关联分析（Trace 关联指标、日志、事件等）。
- OpenTelemetry 最佳实践：针对企业开发者反馈的缺乏最佳实践指导（如异步场景链路上下文透传、过滤指定 Span、关联应用日志、指定透传 Header 格式、将 TraceId 写入 HTTP Response Header 等），阿里云可观测团队致力于提供全面可靠的 OpenTelemetry 最佳实践指南（代码、文档、视频等），并欢迎社区共建。
- 促进链路生态发展：孵化全链路压测、全链路灰度、架构感知等更多能力。
