实时追踪 AI Agent:别等它总结,看每一步公开回执和哈希链
很多开发者在使用 AI Agent 时,都会遇到一个很烦人的问题:
你交给 Agent 一个任务,它跑了 20 分钟,最后回来告诉你:
我完成了 5 个步骤,结果都处理好了。
但问题是:
- 它真的跑了 5 步吗?
- 中间有没有失败?
- 有没有偷偷重试?
- 它给你的结果,是执行出来的,还是事后编出来的?
- 如果过几天你要审计,还能不能还原当时每一步到底发生了什么?
这就是实时追踪 Agent 时最容易踩的坑:
你追踪的不是它“想什么”,而是它“实际执行了什么”。
真正有效的实时追踪,是看执行回执
一个可靠的 Agent 执行记录,应该像这样:
- 某个步骤执行完成。
- 系统立刻把这一步的结果保存下来。
- 为这个结果生成一个哈希值。
- 这个步骤的哈希,会和上一步的哈希连起来。
- 下一个步骤完成后,继续追加记录。
- 如果某一步缺失、被改过、顺序被调换,整条链就会对不上。
这比只看 Agent 最后给你的总结靠谱得多。
因为 Agent 的总结是“它讲的故事”。
执行回执是“系统落地的记录”。
你可以把回执理解成每一步的“证据条”。
它回答几个很具体的问题:
- 这个 Agent 调用了哪个工具?
- 工具返回了什么?
- 返回结果是否被篡改过?
- 这一步是不是在任务执行链里真实存在?
- 别人有没有办法在不登录你账号的情况下验证?
如果一个系统只能让你登录后台看一个仪表盘,那它可能只是做了一个看板,不是完整追踪。
真正的追踪,应该是一个外部人员也能打开链接、重新计算哈希、验证结果。
一个具体例子:三步任务如何留下可验证记录
在原文示例里,有一个任务叫 ownership-wave-nov21。
它一共执行了三步。
第一步:查 BTC 实时价格
Agent 调用了 live_price 工具,查询 BTC 当前价格。
结果是:
60,152.58 USD
系统为这一步生成了公开回执。
回执里保存了 669 个 canonical bytes,也就是规范化后的字节内容。
任何人都可以把这些字节重新计算 SHA256。
计算结果应该等于回执里的:
sha256:7b137a148a295e186488898ae21a691b628b3247336e3d4808ab5ad1855ce0c5
如果一致,就说明这一步保存的结果没有被改过。
这就是核心验证思路:
拿到保存内容,自己重新算哈希,和回执里的哈希对比。
不需要信任前端页面,也不需要相信 Agent 自己说的话。
第二步和第三步:记录日志
Agent 之后又调用 journal_log 追加了两条日志。
每一条日志也都生成了自己的回执。
这些回执同样包含:
- 保存内容的字节数量
- 输出哈希
- 可重新计算验证的结果
示例中,两条日志分别有 1285 bytes 和 1368 bytes,重新计算哈希后都能匹配。
第三步之后:整条任务链验证
这个任务的所有步骤被串起来后,可以验证整条链。
调用类似这样的验证接口:
https://zambo.dev/api/journal/ownership-wave-nov21/verify
如果返回:
valid: true
就说明这个任务的执行链在数据层面是完整、连续、可检查的。
这和普通仪表盘的区别在于:
- 普通仪表盘只能看 UI。
- 可验证回执能让你重新算哈希。
- 普通日志可能被修改。
- 哈希链可以暴露缺失、重复、篡改或乱序。
- 普通 Agent 总结只能事后听它讲。
- 执行回执可以在每一步完成后立刻出现。
实时追踪的关键:每步都留下记录,而不是最后交报告
很多 Agent 监控工具做得不够好,是因为它们只在任务结束后给一个总结。
这种方式有几个明显问题:
- 你看不到中间步骤。
- 你看不到失败步骤。
- 你看不到重试步骤。
- 你看不到结果到底有没有被系统真正保存。
- 你无法确认这个总结是不是 Agent 自己美化过的版本。
更靠谱的方式是:
每当一个调用完成,执行层立刻写入记录,并生成回执。
这样你看到的不是“任务完成了”这句话。
你看到的是一步一步真实落地:
- 查价格完成。
- 写日志完成。
- 调用 API 完成。
- 生成报告完成。
- 某个错误被记录并触发重试。
这更像实时监控。
要清楚它不能证明什么
实时追踪很重要,但也不能神化它。
它有几个明确边界。
1. 它不一定能看到 Agent 的私有推理
你看到的主要是:
- 执行了哪些调用
- 返回了什么结果
- 结果有没有被篡改
- 步骤顺序是否正确
你不一定看到:
- Agent 为什么选择这个工具
- 它脑子里有哪些草稿
- 它为什么否定另一个方案
- 它有没有产生幻觉推理
所以如果你要调试 Agent 为什么会循环、为什么推理变差,你还需要更完整的 trace 和日志。
执行回执解决的是:
“它实际做了什么,结果有没有被保存。”
它不是万能答案。
2. 回执证明“没被改”,不证明“外部世界真实发生”
比如 Agent 调用天气 API,得到 25℃。
回执可以证明:
API 返回了 25℃,并且这个结果被保存了,没有事后被改。
但回执不能单独证明:
外面真的有 25℃。
因为数据可能本来就错了,工具可能返回错误内容,模型也可能填错字段。
所以回执证明的是:
- 保存内容没变
- 调用链完整
- 结果可复核
它不是现实世界的真相证明器。
3. Agent 自己写的日志,要和执行层记录区分开
示例里的第二、第三步是 journal_log,也就是 Agent 自己写日志。
这些日志被回执保存了,所以不能被偷偷改。
但是:
- 执行工具调用产生的结果,证据更强。
- Agent 自己提交的日志,更像是声明。
- 声明可以被完美保存。
- 完美保存不等于声明真实正确。
所以一个可靠系统,应该把这两类东西分开标清楚:
- 执行调用记录
- Agent 自报日志
- 工具返回结果
- 模型推理内容
- 业务事件摘要
不要把所有东西都包装成“可验证执行”。
开发者接入可验证执行层,应该检查什么
如果你在选择 Agent 监控、执行层、审计工具,或者自己设计一套 Agent 系统,建议重点看这几个要求。
要求一:必须有每步记录
不要只接受任务结束后的一份总结。
要能实时看到每个步骤落地。
你可以直接问工具方:
我能不能打开一个正在运行的任务,看着它一步一步增加记录?
如果不能,它大概率不是实时追踪。
要求二:记录必须由执行系统写入
如果每条记录都是 Agent 自己写:
我调用了某个工具,我得到了某个结果。
那它本质上还是自述。
更靠谱的是:
当工具调用真正完成后,执行层自动写入结果和回执。
这样 Agent 不能随便编一个已完成步骤。
当然,Agent 日志也有用。
它应该作为“Agent 报告”,和执行层记录一起保留,但不能混成同一种证据。
要求三:必须能让第三方事后验证
一个很实用的测试标准是:
你能不能把一个链接发给客户、同事、审计人员,或者另一个 Agent,让他们不登录你的账号也能验证?
如果答案是:
不行,必须登录我们的后台看仪表盘。
那这个追踪就不够公开。
好的记录应该是:
- 可打开
- 可读取
- 可重算
- 可校验
- 可长期留存
会话结束后,证据不能消失。
为什么公开回执比普通仪表盘更适合 Agent 场景
Agent 有一个特点:它不是单次问答,而是连续动作。
一个任务可能包含:
- 查数据
- 写文件
- 调用 API
- 请求用户确认
- 执行命令
- 生成结果
- 失败重试
- 写入日志
如果只在最后给总结,很难判断过程是否可信。
公开回执的价值在于:
- 每一步都有独立证明。
- 每一步之间可以链接。
- 每一步都可以单独打开检查。
- 任务结束后仍然可以审计。
- 其他 Agent 可以接手同一个任务上下文。
- 客户或合作方可以不依赖你的账号权限来验证。
这让实时追踪不再只是“看起来像监控”。
它变成了可以事后拿出来的工作证据。
你可以自己试一下
如果想体验这种模式,可以把 Agent 接到一个可验证执行层的 MCP 端点。
配置可以像下面这样:
{
// 这是一个 MCP 服务器配置示例
// 用于把 AI Agent 接入可验证执行层 Zambo
"mcpServers": {
"zambo": {
// 这个地址是 Zambo 的 MCP 端点
// Agent 通过它调用工具,每一步完成后可生成公开回执
"url": "https://zambo.dev/mcp"
}
}
}
你可以先跑一个很小的任务,比如:
- 查一次价格
- 写一条日志
- 生成一个简单结果
然后观察:
- 每个步骤是不是完成得很即时?
- 每个回执是不是能打开?
- 你能不能找到输出哈希?
- 你能不能自己重新计算 SHA256?
- 你能不能把回执链接发给别人验证?
如果这些都可以,那它就不是单纯看板。
它至少做到了“可验证执行记录”。
选品官视角:这类工具的卖点不能只说实时
对于开发者来说,“实时”只是表层功能。
真正有价值的是:
- 执行可追踪
- 结果可验证
- 步骤可审计
- 责任可划分
- 会话结束还能复查
- Agent 自述和系统记录能分开
如果一款 Agent 工具只会说:
我们支持实时监控。
你需要继续追问:
实时监控的是执行回执,还是 Agent 自己的进度条?
这两者差别很大。
进度条只是 UI。
回执才是证据。
最后记住一句话:
追踪 Agent 的执行记录,不要只追踪它对自己工作的描述。
真正可靠的实时追踪,应该是每一步都落地、每一条结果都可复核、整个任务链可以被第三方检查。