智能体执行轨迹审计工作流

智能体执行轨迹审计工作流

3个实用技能 · 3步完成 · 每一步都能单独使用

把智能体运行事件、工具调用和结果节点整理成可复核的执行轨迹：先统一事件时间线，再定位计划与实际执行的分叉，最后生成带证据等级的调试交接包。套餐只读本地脱敏 JSON/JSONL，不调用模型、不连接第三方、不把推断冒充运行事实。

3个可下载技能 · 每个技能可单独运行

3步自动化工作流

🔵 1 智能体轨迹事件整理

技能文件：agent-trace-event-normalizer

解决什么： 不同运行器的 session、span、tool 和 outcome 字段不一致，最终输出看不出哪些是事实、哪些是缺失。

你会得到： READY/REVIEW、去重后的时间线、缺失字段清单、事件数量和 trace_hash。

↓ 本步结果自动进入下一步

🟢 2 智能体轨迹分叉审计

技能文件：agent-trace-divergence-auditor

解决什么： 轨迹中的计划、决策、工具错误、重复循环和最终结果没有统一的偏差分类，调试只能凭感觉。

你会得到： PASS/REVIEW、missing_checkpoint、tool_error、unproductive_loop、证据等级和 audit_hash。

↓ 本步结果自动进入下一步

🟠 3 智能体轨迹调试交接

技能文件：agent-trace-debug-handoff

解决什么： 已定位的轨迹问题缺少可交给研发或技能作者的最小交接材料，容易把猜测当结论。

你会得到： READY_FOR_DEBUG/NO_FINDINGS、问题清单、来源哈希、human_decision=PENDING 和 handoff_hash；这是最终交付。

实际示例

脱敏样例包含一个计划事件、一个重复工具事件和一个结果缺失。第一步保留时间线并标记缺失字段，第二步输出 REVIEW、missing_checkpoint 和 unproductive_loop，第三步生成待人工处理的调试交接包。结果只说明输入轨迹里的可验证边界，不代表任何模型、平台或业务指标的真实表现。

适合谁

智能体技能作者、工作流维护者、Agent 平台研发、需要复盘工具调用失败的团队，以及想把运行记录交给研发处理的个人开发者。

买家只需提供

• 已脱敏的 session/span/tool/decision/outcome 事件

• 运行器名称、run_id 和可选的预期检查点

• 需要交接的负责人或问题分类

使用方式

1. 使用 Python 3.10 或更高版本，准备相对路径的脱敏 JSON 或 JSONL。

2. 依次运行事件整理、分叉审计和调试交接，也可以单独运行任一步。

3. 由负责人根据证据等级和原始记录决定是否修复技能、工具配置或工作流分支。

交付与验收

• 三个独立技能目录，每个包含元数据、技能说明、执行器、文档和脱敏样例。

• 三步可重复运行：事件整理、分叉审计、调试交接；每个技能也可单独使用。

• 缺失字段、重复事件、工具错误、无效循环、结果缺失和未完成人工决定均有明确 REVIEW 或 PENDING 分支。

• 通过和异常样例均可运行，并输出事实、未知项、偏差分类、证据等级、负责人待办和哈希。

服务说明

脚本只处理买家有权使用且已脱敏的本地运行记录，不连接 Claude、Codex、Cursor、Copilot、GitHub 或其他第三方服务，不调用模型、不修改源记录、不自动修复代码或配置，也不替负责人做上线决定。轨迹缺失不等于系统没有执行；证据等级、错误分类和调试建议必须由有权限人员结合原始环境复核。套餐不包含账号、订阅、模型调用、平台接入、CI、持续维护或结果保证。