DeepSeek 发布官方 Agent ——后，很快引起了业界广泛关注，GitHub Star 短短几天便超过 15 万。。接入后，用户可以在 Litefuse 中查看 Agent 的完整执行过程，包括每一步调用轨迹、上下文、Token 与成本消耗，以及 Subagent 多层嵌套等复杂调用结构。除了 Agent Tracing，Litefuse 还可以进一步结合 Agent Evals，对不同运

导读：在上，阶跃星辰可观测性专家 Ric 分享了 Agent 不确定性带来的可观测性挑战，为什么选择 SelectDB 作为 Agent 可观测平台 StepTrace 的数据底座，获得 Agent Trace 实时写入、全文检索、成本和延迟分析等方面的优势，并在 SWE-Agent 代码评测与智能座舱两个真实场景中落地。大家好，我是 Ric，目前在阶跃星辰负责可观测性系统的建设，这次我将给大家介

在开场演讲中，飞轮科技首席执行官马如悦提出：“只有解决好极速、统一、Agent Native 与 Cloud 弹性四个挑战，才能成为 Agent 时代最好的分析引擎。”

Agent 时代，为什么需要新的可观测范式？先从一个真实场景出发：某团队上线了一款客服 Agent，并规范地接入了 Prometheus、Grafana、ELK 等主流的可观测性工具。从监控大盘来看，各项核心指标非常完美：P99 延迟为 0.2 秒，错误率为 0.001%，Token 消耗曲线表现平稳，所有系统指标均处于健康状态。然而，产品团队很快在用户反馈中发现了一个问题：系统把一个明明符合退款

在前一篇文章中，我们介绍了为什么 Agent 时代需要新的方法论 EDD（Evaluation Driven Development），通过 “观测-评估-优化” 闭环来应对大模型幻觉、路径规划走偏、工具调用失败、上下文腐化等 Agent 特有的不确定性问题，Litefuse 如何把 Trace 采集、可视化分析、数据集管理、实验运行与评估这一整套实践 EDD 方法论的能力产品化。在过去一个月中，

Agent 不需要一堆割裂的检索系统，而需要一个统一、实时、低延迟的数据访问入口。SelectDB这类实时 OLAP 引擎，正在向这个方向演进。

过去一年，Agent 正从一个技术概念，逐渐变成企业智能化落地的核心入口。这背后并不只是应用形态变化，更像是一场新的接口革命：人不再需要理解每一个工具的使用方式，也不再需要在不同系统之间反复切换；人只需要表达目标，Agent 则负责理解意图、拆解任务、选择工具、调用数据并完成执行。在即将举行的上，我们也将围绕这一变化做一次更系统的分享：当 Agent 成为新的应用范式，企业的数据基础设施需要发生哪

作者｜陈明雨，Apache Doris PMC Chair集群该扩到几个节点、这张表该用聚合模型还是主键模型、慢查询的瓶颈在扫描还是在聚合——数据库运维中最耗时的，往往是这类没有标准答案的问题。它们高度依赖经验，而经验通常留在个别人的头脑里，很难被复用，也很难被验证。

作者｜陈明雨，Apache Doris PMC Chair集群该扩到几个节点、这张表该用聚合模型还是主键模型、慢查询的瓶颈在扫描还是在聚合——数据库运维中最耗时的，往往是这类没有标准答案的问题。它们高度依赖经验，而经验通常留在个别人的头脑里，很难被复用，也很难被验证。

作者｜陈明雨，Apache Doris PMC Chair集群该扩到几个节点、这张表该用聚合模型还是主键模型、慢查询的瓶颈在扫描还是在聚合——数据库运维中最耗时的，往往是这类没有标准答案的问题。它们高度依赖经验，而经验通常留在个别人的头脑里，很难被复用，也很难被验证。