Agent 可观测性可归纳为四个核心观测维度，分别对应 Agent 架构的关键环节：
规划（Planning）维度：关注 Agent 如何将复杂任务拆解为子任务序列。关键观测信号包括任务分解步骤数、重规划（Re-planning）触发频次、规划阶段 Token 消耗，以及执行计划与初始规划的吻合度。高频重规划往往意味着 Agent 对任务理解存在偏差。
推理（Reasoning）维度：关注 Agent 在每一步决策中的思考过程。通过记录 Chain-of-Thought（CoT，思维链）或推理轨迹，可以分析模型在何种上下文中做出了特定选择。这一维度对调试 Agent 行为和优化提示词（Prompt Engineering）策略具有重要价值。
工具调用（Tool Calling）维度：关注 Agent 与外部系统的交互行为，包括工具选择标准、参数填充准确性、调用成功率与延迟、重试次数，以及工具返回结果被模型正确理解的比例。工具调用失败是 Agent 应用中常见的故障点。
记忆（Memory）维度：关注 Agent 的上下文管理和长期记忆机制。观测信号涵盖上下文窗口（Context Window）利用率、检索增强生成（RAG）检索结果的相关性评分、向量数据库查询延迟与命中率，以及记忆更新操作的完整性。
