Tip
可选地安装 mlflow/skills ，以便与MLflow更深入地集成。
一旦你的代理完成埋点，追踪数据就能帮助你查看发生了什么，并定位问题出在哪里。 从MLflow界面开始：打开你的实验，点击 “追踪 ”标签。
以下是你可以从那里做的事情的简要介绍：
用通俗易懂的英语问。 点击搜索框中的闪光点（用 AI 筛选），描述你想要的痕迹——例如，“查找调用 get_weather 工具的痕迹。”MLflow 会将你的描述变成对痕迹列表的筛选。
打开一条走线 ，从头到尾检查其详细信息：生成树，以及每步的输入、输出、时序和错误。
分析痕迹。 在跟踪面板中点击 分析跟踪，让 MLflow 分析该跟踪是否存在问题。
添加反馈。 点击 评估，并在跟踪记录中记录评分或备注（或预期结果——即正确答案）。
后续步骤
在 Databricks MLflow UI 中查看跟踪——跟踪界面的全部功能：搜索、筛选、列和跟踪详情视图。
检测并监控跨多个 MLflow 跟踪的问题 —— 检测多个跟踪中反复出现的问题，修复它们并监控结果。
收集反馈并构建数据集 ——收集反馈并建立评估数据集。