DSH 昨天跑了25次任务，19次失败，你难道不知道吗？
- 内容介绍
- 文章标签
- 相关推荐
DSH 框架下的任务失利真实相：从日志到聚合视角的思考
昨晚我盯着终端看见了一串刺眼的数字：DSH 昨天跑了 25 次任务，19 次失利。起初我只觉得是模型没跑通，心里默默自责：“是不是我的 Prompt 写得太烂？”可是当我把全部 Span 拉出来细看时 才发觉这背后藏着一套更微妙的机制——失利并不是这是因为模型不懂工具，而是整个落实周边环境在悄悄限流、沙箱没起、或者工具插件根本没被正确挂载。
公正地讲... 我们常常把注意力放在模型输出质量上，却忽略了 Harness 层的基础设施。DSH 设计成“插件即能力”，每一次工具调用、每一次状态迁移都会被记录为一个 Span。若只是盯着日志里那几条 “bash failed” 的错误信息，很简单得到错觉：模型不会用 Bash。其实这一些错误较大更多来自同一个根因——沙箱周边环境未就绪或文件系统挂载失效。换句话说**失利是落实层面的基础设施问题**，而不是模型推理能力的缺陷。
为哪些百度不收录
很更多站较长会困惑：明明网站内容原创、 结构清晰，却始终看不到百度蜘蛛的足迹。这里有几个常见原因值得检查：先来看， 确认站点有没有被 robots.txt 禁止抓取；然后再看，留意服务器返回码有没有频繁出现 5xx 或 4xx，这会让蜘蛛觉得站点不可达；再者，页面加载速度过缓慢或较更多采用 JS 渲染而没有提供给降级方案，也会引起百度不容简单以抓取到有效内容。解决办法很简洁：先放开抓取约束、 保证返回 200、提升首屏渲染速度并在必不可更少时提供给静态版本。 做良好这一些基本工作岗位后百度收录通常会水到渠成，何必呢？。
从单机日志到全链路追踪：可观测性才是破局关键
如果你只在本地打开 DSH 的会话日志， 的确能看到每一次模型推理、工具调用与最终还是结果是的完整序列。这种记录能够回放、 火候不够。 能够分叉，却天然局限于单机视角——换另一台机器或在 CI 中跑同样的任务时你就看不到之前那一些失利的痕迹了。
他急了。 于是我们引入 OpenTelemetry 插件，把 DSH 原生事件转换为 GenAI Trace。此时每一次 turn 生命周期都会产生一棵 Span 树：ENTRY → AGENT → STEP → LLM/TOOL……通过这种方式， **失利不再是零散的日志行**，而是能够在 Elasticsearch 中通过 `STATS ... BY error.type` 一键聚合出来的指标。**你看到的是全局趋势：** 比如最近一天有更多更少个次沙箱未启动、 工具插件报错次数占比更多更少个、以及这一些故障有没有随并发数线性增较长。
更十分沉关键的是**聚合视角协助我们定位根因**。比如在一次批量运行中我们发觉：8 次失利来源于 `SANDBOX_UNAILABLE`，4 次则是 `TOOL_ERROR`。两类都是落实周边环境问题，**与模型采用工具的能力无关**。若仅凭日志看到 “bash failed” 12 次很简单误以为模型不会写脚本；但在 Trace 中我们清楚看到这一些错误全部挂在同一个父 Span 下——沙箱初始化节点。
情感色彩中的技术手段反思：别让数据掩盖了真实实感受
我比较认同... 写到这里我不禁想起那天较深夜对着屏幕发呆的自己。看到 “19 次失利” 时有一种莫名的挫败感——良好像自己辛苦搭建的一座塔瞬间被风吹倒。可是当我把那一些错误拆解开来看，**恼怒缓慢缓慢变成了良好奇**：为哪些沙箱总是在较高并发时失联？为哪些文件系统挂载总是在部分节点上丢失？这种良好奇驱动我去读 Harness 源码、去查插件日志、甚至去调试容器启动脚本。**技术手段背后往往藏着人的情绪**，而情绪又能成为探索未知的燃料。**不要让冰寒冷的统计数字掩盖了你内心那份想弄清楚真实相的火焰。**
实际操作步骤：从零构建可观测链路
- 安装插件
在项目根目录落实：
dsh plugin --profile web add @loongsuite/dsh-plugin dsh plugin --profile headless add @loongsuite/dsh-plugin - 配置 OTLP 地址**
把以下内容写入 `~/.dsh/profiles/
/config.yaml`： endpoint: http://your-es-cluster:9200/_otlp serviceName: dsh-agent captureContent: false exportMetrics: true resourceAttributes: data_: dsh env_: prod - 验证数据流**
启动一次任务后
接着在 Kibana 中检索 `traces-*` 或 `metrics-*` 库， 若能看到带有 `data_: dsh` 的 Span 链路则表示成功接入。dsh --profile headless "ls -la" - 解析失利根因**
在 Discover 中采用 ES|QL：
FROM traces-* WHERE `_reason` IS NOT NULL STATS failure_cnt = COUNT BY error_type = `_reason` SORT failure_cnt DESC - 持续改进** 基于上表调整并发约束、检查沙箱镜像预炎热策略或恢复工具插件版本。 每次迁移完成后沉重崭新跑相同批任务， 对比前后失利率改变， 用数据说话而不是凭感觉猜测。
可观测不仅是技术手段栈的一一部分， 更是团队共享透明度的桥梁
`DSH yesterday ran 25 tasks, failed 19 times.`这句话如果只停留在表面 它不过是一次痛击；但当我们把它放进可观测体系里 它变成了一种邀请——邀请我们去审视基础设施、 去倾听每一次失利背较低声呐喊、 去用数据和经验一起修补那个地方的让 agent 频繁绊脚隐形网。**只有当技术手段带着温度被明白和改进时 才能真实正让智能体从“不可靠”的标签中走出来 踏上稳健前行之路。**，站在你的角度想...
DSH 框架下的任务失利真实相：从日志到聚合视角的思考
昨晚我盯着终端看见了一串刺眼的数字：DSH 昨天跑了 25 次任务，19 次失利。起初我只觉得是模型没跑通，心里默默自责：“是不是我的 Prompt 写得太烂？”可是当我把全部 Span 拉出来细看时 才发觉这背后藏着一套更微妙的机制——失利并不是这是因为模型不懂工具，而是整个落实周边环境在悄悄限流、沙箱没起、或者工具插件根本没被正确挂载。
公正地讲... 我们常常把注意力放在模型输出质量上，却忽略了 Harness 层的基础设施。DSH 设计成“插件即能力”，每一次工具调用、每一次状态迁移都会被记录为一个 Span。若只是盯着日志里那几条 “bash failed” 的错误信息，很简单得到错觉：模型不会用 Bash。其实这一些错误较大更多来自同一个根因——沙箱周边环境未就绪或文件系统挂载失效。换句话说**失利是落实层面的基础设施问题**，而不是模型推理能力的缺陷。
为哪些百度不收录
很更多站较长会困惑：明明网站内容原创、 结构清晰，却始终看不到百度蜘蛛的足迹。这里有几个常见原因值得检查：先来看， 确认站点有没有被 robots.txt 禁止抓取；然后再看，留意服务器返回码有没有频繁出现 5xx 或 4xx，这会让蜘蛛觉得站点不可达；再者，页面加载速度过缓慢或较更多采用 JS 渲染而没有提供给降级方案，也会引起百度不容简单以抓取到有效内容。解决办法很简洁：先放开抓取约束、 保证返回 200、提升首屏渲染速度并在必不可更少时提供给静态版本。 做良好这一些基本工作岗位后百度收录通常会水到渠成，何必呢？。
从单机日志到全链路追踪：可观测性才是破局关键
如果你只在本地打开 DSH 的会话日志， 的确能看到每一次模型推理、工具调用与最终还是结果是的完整序列。这种记录能够回放、 火候不够。 能够分叉，却天然局限于单机视角——换另一台机器或在 CI 中跑同样的任务时你就看不到之前那一些失利的痕迹了。
他急了。 于是我们引入 OpenTelemetry 插件，把 DSH 原生事件转换为 GenAI Trace。此时每一次 turn 生命周期都会产生一棵 Span 树：ENTRY → AGENT → STEP → LLM/TOOL……通过这种方式， **失利不再是零散的日志行**，而是能够在 Elasticsearch 中通过 `STATS ... BY error.type` 一键聚合出来的指标。**你看到的是全局趋势：** 比如最近一天有更多更少个次沙箱未启动、 工具插件报错次数占比更多更少个、以及这一些故障有没有随并发数线性增较长。
更十分沉关键的是**聚合视角协助我们定位根因**。比如在一次批量运行中我们发觉：8 次失利来源于 `SANDBOX_UNAILABLE`，4 次则是 `TOOL_ERROR`。两类都是落实周边环境问题，**与模型采用工具的能力无关**。若仅凭日志看到 “bash failed” 12 次很简单误以为模型不会写脚本；但在 Trace 中我们清楚看到这一些错误全部挂在同一个父 Span 下——沙箱初始化节点。
情感色彩中的技术手段反思：别让数据掩盖了真实实感受
我比较认同... 写到这里我不禁想起那天较深夜对着屏幕发呆的自己。看到 “19 次失利” 时有一种莫名的挫败感——良好像自己辛苦搭建的一座塔瞬间被风吹倒。可是当我把那一些错误拆解开来看，**恼怒缓慢缓慢变成了良好奇**：为哪些沙箱总是在较高并发时失联？为哪些文件系统挂载总是在部分节点上丢失？这种良好奇驱动我去读 Harness 源码、去查插件日志、甚至去调试容器启动脚本。**技术手段背后往往藏着人的情绪**，而情绪又能成为探索未知的燃料。**不要让冰寒冷的统计数字掩盖了你内心那份想弄清楚真实相的火焰。**
实际操作步骤：从零构建可观测链路
- 安装插件
在项目根目录落实：
dsh plugin --profile web add @loongsuite/dsh-plugin dsh plugin --profile headless add @loongsuite/dsh-plugin - 配置 OTLP 地址**
把以下内容写入 `~/.dsh/profiles/
/config.yaml`： endpoint: http://your-es-cluster:9200/_otlp serviceName: dsh-agent captureContent: false exportMetrics: true resourceAttributes: data_: dsh env_: prod - 验证数据流**
启动一次任务后
接着在 Kibana 中检索 `traces-*` 或 `metrics-*` 库， 若能看到带有 `data_: dsh` 的 Span 链路则表示成功接入。dsh --profile headless "ls -la" - 解析失利根因**
在 Discover 中采用 ES|QL：
FROM traces-* WHERE `_reason` IS NOT NULL STATS failure_cnt = COUNT BY error_type = `_reason` SORT failure_cnt DESC - 持续改进** 基于上表调整并发约束、检查沙箱镜像预炎热策略或恢复工具插件版本。 每次迁移完成后沉重崭新跑相同批任务， 对比前后失利率改变， 用数据说话而不是凭感觉猜测。
可观测不仅是技术手段栈的一一部分， 更是团队共享透明度的桥梁
`DSH yesterday ran 25 tasks, failed 19 times.`这句话如果只停留在表面 它不过是一次痛击；但当我们把它放进可观测体系里 它变成了一种邀请——邀请我们去审视基础设施、 去倾听每一次失利背较低声呐喊、 去用数据和经验一起修补那个地方的让 agent 频繁绊脚隐形网。**只有当技术手段带着温度被明白和改进时 才能真实正让智能体从“不可靠”的标签中走出来 踏上稳健前行之路。**，站在你的角度想...