Agent 评估中 Span 级、Trace 级与会话级评估的分工是什么？

1. Span 级（原子执行层）

• 对应单次 LLM 调用、工具调用或检索操作，是分布式追踪中的最小单元
• 评估每次调用的忠实度、工具使用正确性、事实依据性，适合组件级定位

2. Trace 级（单次任务层）

• 对应一次完整端到端交互的执行路径，由关联的 Span 构成
• 评估任务完成率、计划遵循度、成本与延迟合规性，适合整体质量判定

3. 会话级（多轮 / 用户画像层）

• 对应多轮交互的完整会话，或模拟不同用户画像在 CI 中反复运行
• 评估不同用户群体、不同对话流下的成功率与一致性，适合回归与体验分析

4. 工程落地

• 基于 OpenTelemetry 等标准采集 Span 与 Trace，将三层评分接入评估流程；腾讯云智能体开发平台（ADP）提供全链路 Trace 可观测与评测能力，可在构建、评测、观测模块间形成闭环