常见问题

1、AgentLoop 是什么？

AgentLoop 是阿里云推出的面向企业级智能体的一站式自进化平台。围绕「观测与审计 → 评估与实验 → 持续优化」构建智能体进化数据飞轮，持续提升企业 Agent 的质量、效率、成本与安全性。如需了解完整的产品架构和核心能力，参见什么是 AgentLoop。

2、AgentLoop 与传统 APM / LLMOps 工具有什么区别？

传统 APM 工具面向常规微服务，无法理解 Agent 的多步推理链路和 Token 消耗结构；LLMOps 工具面向 LLM 范式，仅提供碎片化的可观测和基础评估能力。AgentLoop 面向 Agent 范式设计，核心差异体现在三方面：一是全栈观测采用端到端无侵入采集并自动提取 Trajectory 轨迹；二是评估体系引入 Agent-as-a-Judge，评估器本身具备规划和多步推理能力；三是构建了从观测到优化的完整闭环数据飞轮，而非单点工具。

1、如何使用 AgentLoop？

无需登录即可体验 Playgroud。接入完整流程参考AgentLoop QuickStart 全流程实践。

2、多应用部署时如何区分不同的 Agent 应用？

同一接入环境下区分多应用，只需在启动参数中设置不同的 --serviceName，其余参数（licenseKey、workspace、project、endpoint）可保持一致。例如用 Docker 启动多个实例分别服务不同用户时，每个实例配置不同的 serviceName 即可在 AgentLoop 控制台按应用维度独立观测。

3、AgentSpace 如何组织和管理资源？

AgentSpace 是 AgentLoop 中组织和管理资源的顶层工作空间，一个 AgentSpace 对应一个团队、业务线或独立项目的完整资源边界。建议为每个业务域（如客服、运维、研发）创建独立的 AgentSpace 实现资源隔离，基于阿里云 RAM 进行权限控制。AgentSpace 的创建和管理操作详见空间管理。

1、AgentLoop 能观测到 Agent 的哪些数据？

AgentLoop 采集覆盖 Agent 全栈调用链路：用户终端 → 网关 → Agent 智能体 → 上下游依赖（Tool、Model）。具体数据包括：

• Trajectory（完整执行轨迹）：Agent 从接收请求到返回结果的完整决策和执行路径。

• 模型调用：输入/输出内容、Token 消耗、延迟。

• 工具调用：调用参数、返回值、耗时、状态。

• 对话记录：完整的多轮交互上下文。

• 错误信息：异常堆栈和错误分类。

• 性能指标：端到端延迟、各环节耗时占比。

2、同时使用 Agent 框架和裸 OpenAI SDK 时如何避免重复采集？

如果同时启用 Agent 框架插件和 OpenAI 插件，会导致 LLM Span 重复采集。建议二选一：若已通过框架探针采集到完整链路（含 LLM 调用），则无需再单独接入 OpenAI 插件。

3、会话数据如何查询？有 SDK 吗？

AgentLoop 暂无独立的会话查询 SDK，会话级数据通过 SLS SQL 查询实现。典型做法：按 attributes.gen_ai.session.id 聚合，可统计单会话的以下维度：

4、如果 Agent 未使用 AgentLoop 展示的主流开发框架，如何采集数据？

如果未使用 AgentLoop 支持的主流框架，需要通过 OTel SDK 自定义埋点采集 GenAI 数据。使用主流 Agent 开发框架时，AgentLoop 已内置 GenAI 埋点，无需额外操作。

5、为什么有时候大盘上看不到ttft

部分框架（如Claude Agent SDK）并没有暴露出底层模型访问的接口，所以这些框架无法采集到ttft这种指标。

1、什么是 Agent-as-a-Judge？与传统 LLM-as-a-Judge 有什么区别？

Agent-as-a-Judge 是 AgentLoop 引入的评估范式——评估器本身作为具备规划、工具使用和推理能力的 Agent，基于完整 Trajectory 轨迹进行深度评估。与传统 LLM-as-a-Judge 仅做单轮文本判断不同，Agent-as-a-Judge 能够：

• 理解多步推理过程。

• 分析工具调用的合理性。

• 追踪决策分支逻辑。

这使其评估效果更接近人类专家。

2、多轮 Session 评估是否支持？

当前评估器仅支持按单次 Trace / Trajectory 评估单轮交互。多轮 Session 评估已纳入产品规划，预计 2026 年 9 月左右上线。