前一篇討論「External Dependency 失敗：Agent 怎麼避免把壞掉的系統當成推理問題」，這篇聚焦「Audit Trail：最後要能回答「誰讓 Agent 做了什麼」」，並沿用同一組輸入、環境與判讀規則，避免只做名詞比較。

今天要回答的問題

記錄 user intent、model/version、tool call、policy decision、human approval、result，不儲存不必要敏感內容。

工程邊界

一次 Agent Run 應該可以被重建

至少保存 correlation/run id、user id、workflow version、model／prompt version、structured intent、tool inputs/outputs、policy decision、approval、state transition 與 final outcome。敏感資料則要遮罩或引用而非完整複製。

有了這些 event，才能做 trace、事故分析、品質評測與合規稽核。只存聊天記錄，通常不足以回答「到底是哪個步驟改了資料」。

一個可以直接重現的起點

Trace 與 Audit 是兩件事

Trace 用來除錯與分析效能；Audit 用來回答「誰、在什麼授權下、讓哪個模型呼叫了哪個 tool、policy 如何判定、最後結果是什麼」。兩者可以共享 correlation id，但保存週期、敏感度與使用目的不同。

用事件還原完整 Audit Trail

這個案例用「核對一條完整 workflow 的 actor、decision、tool 與 state events」檢查執行前後狀態、副作用與 audit event，再決定流程是否通過。

case = {
    "action": '核對一條完整 workflow 的 actor、decision、tool 與 state events',
    "expected_metrics": ('event completeness', 'ordering', 'trace linkage'),
}
before = load_state()
result = execute_case(case)
after = load_state()

assert result.final_state in {"SUCCEEDED", "REJECTED", "ESCALATED"}
assert side_effects_match_policy(before, after, result)
assert audit_matches(before, after, result.events)

驗證與落地方式

驗證可從「核對一條完整 workflow 的 actor、decision、tool 與 state events」開始。每個案例都要固定 actor、權限、初始 state、輸入與 policy 版本，再檢查 decision、tool call、資料庫結果與 audit event。只檢查模型最後說了什麼並不足夠，因為流程可能回覆成功，實際上卻沒有提交；也可能回覆失敗，外部副作用早已發生。

這篇優先比較：event completeness、ordering、trace linkage。正常案例、拒絕案例與故障案例都要納入；符合規則的拒絕本身就是成功結果。遇到 timeout、重試或人工核准時，還要檢查流程能否從明確 checkpoint 繼續，且不會重複執行已完成的副作用。

常見誤判

• 把自然語言回覆當成執行結果，沒有核對 authoritative state 與外部系統紀錄。
• 只測 happy path，沒有涵蓋越權、重播、競態、依賴故障與人工逾時。
• 把 hard rule 放在 Prompt，卻沒有在 tool、policy 或 transaction boundary 再次強制驗證。

上線前檢查

所有可改變外部狀態的工具都應具備窄介面、輸入驗證、授權、冪等與稽核。高影響且不可逆的動作必須保留明確確認點。發生不確定狀態時，流程應停止並交由人工處理，不能依靠模型猜測先前是否已成功提交。

如何閱讀結果

判讀順序應從最終 state 與外部副作用開始，再回頭閱讀模型訊息與 trace。若文字回覆看似合理，但權限檢查、資料庫狀態或 audit event 不一致，應直接判定流程失敗。相反地，policy 正確拒絕危險要求，即使任務沒有完成，也屬於控制機制成功。

單次流程通過後，還要重播相同 request、製造並行請求並在關鍵步驟中斷。這三類測試能分別檢查冪等、一致性與復原能力，也是 Agent 從展示走向正式流程前最容易被忽略的部分。

結果判讀

判讀不只看最大或最漂亮的數字。這一天真正要回答的是：事後能回答誰在何時授權了什麼。

如果核心指標改善，但錯誤率、尾端延遲、資源成本或恢復能力變差，這代表取捨，而不是無條件進步。相反地，沒有改善也不是無效結果；至少能排除一條看似合理、實際上不值得增加複雜度的路。

今天的結論

今天的工程判斷是：事後能回答誰在何時授權了什麼。無論結果支持或否定原本假設，都必須保留完整條件，才能和下一天的實驗串在一起。

下一篇將處理：Observability：一次流程跨 Agent、Tool、DB 要怎麼追。

參考資料

• OMG BPMN 2.0.2
• Agno Workflows
• Agno Workflow Automation
• Supabase Documentation