Spring til hovedindhold
Dansk— Vælg et sprog
Menu

Udforsk: Søg og inspicer produktionsspor

Lektion 12 af 16 Opdateret 2. november 2026 Avanceret
På denne side
  1. Exploreren: Dit vindue til produktionen
  2. Sending af spor
  3. Hvad et spor indeholder
  4. Søgesproget
  5. Forespørgsel på spor via SDK’et
  6. Tilføjelse af spans til et datasæt
  7. Vigtige pointer

Lektionen er omskrevet den 2. november 2026 baseret på Mistrals sider Send traces og Explore traces samt mistralai SDK 3.7.0: Exploreren fokuserer på OpenTelemetry-spor, der forespørges via et søgeudtrykssprog; den forældede metode chat_completion_events.search findes ikke længere. Kilder: Send traces · Explore traces.

Exploreren: Dit vindue til produktionen

Trace Explorer er stedet, hvor du søger, filtrerer og inspicerer ethvert spor, der løber gennem dine AI-applikationer. Du finder den i Studio under Observability → Traces. Spor vises dog ikke der, medmindre du aktiverer dem først: sporing er deaktiveret som standard.

Sending af spor

Med Python SDK’et installerer du telemetry-udvidelsen (mistralai[telemetry], version 2.4.13 eller nyere) og aktiverer den derefter på klienten:

from mistralai.client import Mistral
from mistralai.extra.observability import configure_telemetry

client = Mistral(api_key="your-api-key")
configure_telemetry(client)

Fra det tidspunkt sporer SDK’et automatisk modelkald, embeddings, agentoperationer, FIM-fuldførelser og OCR. Kald til dine egne værktøjer spores ikke ud af boksen: Du skal tilføje deres spans ved hjælp af SDK’ets tracer.

from mistralai.extra.observability import get_telemetry_tracer

tracer = get_telemetry_tracer(client, "agent-support")

with tracer.start_as_current_span("invoke_agent"):
    response = client.chat.complete(
        model="mistral-small-latest",
        messages=[{"role": "user", "content": "What is the status of order 4521?"}],
    )
    with tracer.start_as_current_span("execute_tool order_tracking") as span_tool:
        span_tool.set_attribute("gen_ai.tool.name", "order_tracking")
        span_tool.set_attribute("gen_ai.tool.call.arguments", "4521")
        # call your tool here

Andre kilder opfører sig anderledes: Workflows sporer hver kørsel, så snart OTEL_ENABLED=true er indstillet på tjenesten, mens Vibe Work aktiveres via en admin-indstilling i Studio. TypeScript SDK’et tilbyder configureTelemetry. Omvendt sender Vibe Code (CLI og Web) og Studio Playground ikke spor. Alle kilder redigerer en del af dataene væk som standard før eksport; siden Data redaction beskriver denne politik og hvordan du justerer den.

Hvad et spor indeholder

Et spor er et træ af spans, hvor hvert span repræsenterer en operation i kæden:

FeltIndhold
Trace IDIdentifikator for hele udførelseskæden
SpansOperationer: modelkald, værktøjskald, workflow-trin
VarighedTid for hvert span og hele sporet
TokensInput- og output-tokens for hvert modelkald
StatusSucces eller fejl, inklusive fejlmeddelelsen
KildeOprindelsesprodukt: SDK, Workflows, Vibe Work
TagsLabels anvendt af SDK’et og automatiske metadata, såsom modellen

Hvis du klikker på et spor, åbnes dets span-træ; hvert span udvides for at vise input, output, latens og tokens.

Søgesproget

Exploreren accepterer et udtrykssprog: betingelser på sporfelter kombineret med AND, OR og NOT.

KategoriOperatorerEksempel
Sammenligning=, !=, <, <=, >, >=duration_ns > 5000000000
MønsterLIKE, ILIKE, NOT LIKEservice_name LIKE '%agent%'
UnderstrengCONTAINS, NOT CONTAINSservice_name CONTAINS 'sdk'
Regulært udtrykREGEXP, NOT REGEXPservice_name REGEXP '^my-'
IntervalBETWEEN ... AND ...duration_ns BETWEEN 1000000 AND 5000000000
ListeIN (...), NOT IN (...)status_code IN ('Error', 'Ok')
TilstedeværelseEXISTS, NOT EXISTSerror_message EXISTS

Tilgængelige felter inkluderer service_name, status_code (Ok eller Error), duration_ns (i nanosekunder), error_message, start_time, models_used (en liste) og ethvert span-attribut ved brug af klammesyntaks: span_attributes['gen_ai.request.model']. For lister supplerer has(models_used, 'mistral-medium-latest'), hasany(...) og hasall(...) funktionen CONTAINS.

# Alle mislykkede spor fra en tjeneste
service_name = 'agent-support' AND status_code = 'Error'

# Spor længere end 5 sekunder
duration_ns > 5000000000

# Spor, der kaldte en specifik model
span_attributes['gen_ai.request.model'] CONTAINS 'mistral-large'

Hvis en søgning ikke giver nogen resultater, skal du fjerne alle betingelser undtagen tidsintervallet og derefter tilføje dem én efter én. En almindelig fejl er at filtrere efter status_code = 'Error', når de fleste spor lykkes.

Forespørgsel på spor via SDK’et

Du kan udføre de samme søgninger programmatisk over et tidsinterval:

from datetime import datetime, timedelta, timezone

from mistralai.client import Mistral

client = Mistral(api_key="your-api-key")
now = datetime.now(timezone.utc)

response = client.beta.observability.traces.search(
    from_=now - timedelta(days=1),
    to=now,
    search_expression="service_name = 'agent-support' AND status_code = 'Error'",
    page_size=50,
)

for trace in response.traces.results or []:
    print(f"{trace.trace_id} {trace.root_span_name} : {trace.duration_ns / 1e9:.1f} s")

Svaret bruger cursor-baseret paginering. API-referencen dokumenterer endpoints for Traces og Spans (søgning, enkeltspor, mulige felter og værdier, spans i et spor).

Tilføjelse af spans til et datasæt

Exploreren fungerer også som udgangspunkt for testdatasæt. Fra et spor tilbyder menuen for et span Add span to dataset; i visningen Spans kan du vælge op til 500 ad gangen og mappe hvert span-felt til et postfelt. Denne funktion relaterer sig til offline-evalueringer, som er forbeholdt Enterprise-organisationer (Lektion 15).

Vigtige pointer

  • Sporing er deaktiveret som standard: configure_telemetry(client) aktiverer det for Python SDK, OTEL_ENABLED=true for Workflows
  • Modelkald spores automatisk; værktøjskald kræver manuel sporing med get_telemetry_tracer
  • Exploreren filtrerer spor ved hjælp af et udtrykssprog (service_name, status_code, duration_ns, span_attributes['…'])
  • SDK’et eksponerer den samme søgefunktionalitet: client.beta.observability.traces.search(search_expression=...)
  • Interessante spans bliver til datasætposter med et enkelt klik eller i batches på 500