Span
分布式追踪中的基本单元，代表一次完整Trace中的单个操作或步骤，包含输入输出、计时、状态、父子关系等元数据，用于精确定位问题发生位置
核心事实
时间轴 (近 90 天)
Span 是分布式追踪的最小工作单元，代表一次有开始时间、结束时间和元数据的操作，多个 Span 通过父子关系或链接组合成一条 Trace。
在 LLM 应用中，一次用户提问通常对应一条 Trace，内部的模型调用、向量检索、工具执行各自是一个子 Span。
将高维嵌入向量（如 768、1536 维浮点数组）存入 Span 属性会膨胀报文、增加序列化开销并耗尽下游存储引擎内存，且对人类不可读。
OTel的核心数据模型是Span——代表一次操作的结构化记录，包含名称、起止时间、状态、属性（attributes）以及与其他span的父子关系；Trace由一组共享同一trace ID的span构成的有向无环图。
Phoenix 中展示的追踪结构本质上是一棵 Span 树，每个 Span 代表一次离散操作并记录开始时间、结束时间、输入参数与返回值
将关键配置和权限范围作为Span属性快照进trace，是防御配置漂移问题的有效手段
OpenTelemetry等主流追踪框架通过在代码中埋点生成Span，只能记录明确指定要记录的内容
在Agent场景中，应将一次完整的Agent任务视为一个Trace，每次LLM调用、工具调用、记忆检索都是一个Span
AI Agent的会话本质上是独立的运行时上下文，在初始化阶段完成工具注册并将工具注册表固定为启动时的快照，存续会话无法动态感知配置变更
全部知识事实 (10)
在Agent场景中，应将一次完整的Agent任务视为一个Trace，每次LLM调用、工具调用、记忆检索都是一个Span
65%待验证事件日志中的事件天然对应分布式追踪中的Span概念，每个事件可携带TraceID和SpanID来还原完整的因果链路
85%待验证Span 是分布式追踪的最小工作单元，代表一次有开始时间、结束时间和元数据的操作，多个 Span 通过父子关系或链接组合成一条 Trace。
50%待验证将高维嵌入向量（如 768、1536 维浮点数组）存入 Span 属性会膨胀报文、增加序列化开销并耗尽下游存储引擎内存，且对人类不可读。
50%待验证在 LLM 应用中，一次用户提问通常对应一条 Trace，内部的模型调用、向量检索、工具执行各自是一个子 Span。
50%待验证OTel的核心数据模型是Span——代表一次操作的结构化记录，包含名称、起止时间、状态、属性（attributes）以及与其他span的父子关系；Trace由一组共享同一trace ID的span构成的有向无环图。
50%待验证Phoenix 中展示的追踪结构本质上是一棵 Span 树，每个 Span 代表一次离散操作并记录开始时间、结束时间、输入参数与返回值
50%待验证OpenTelemetry等主流追踪框架通过在代码中埋点生成Span，只能记录明确指定要记录的内容
50%待验证将关键配置和权限范围作为Span属性快照进trace，是防御配置漂移问题的有效手段
50%待验证AI Agent的会话本质上是独立的运行时上下文，在初始化阶段完成工具注册并将工具注册表固定为启动时的快照，存续会话无法动态感知配置变更
50%