用途：用 confident-trace SDK 为 AI 应用（LLM 应用、智能体、RAG 管道、聊天机器人）做埋点，使执行过程在 Confident AI 中按 span 逐层可见。仅限 AI 应用：智能体循环与规划、LLM 调用、检索/向量搜索、工具调用；不追踪 Web 服务器、CRUD 后端、数据库层或基础设施等非 AI 软件。若目标没有 LLM、智能体、检索或工具调用组件，则不适用。
主要能力：优先使用受支持的集成做自动埋点；无合适集成或代码拥有有意义的外层边界时，改用自定义 span。为每个 span 指定有意义类型（llm、retriever、tool、agent 或 custom），并捕获有用的输入输出。可添加 trace 级标签、元数据、用户 ID、客户 ID、线程 ID、轮次 ID 和环境，便于诊断失败模式；结构化的 thread、user、customer 对象可携带名称、标签、元数据等额外属性。
使用方式：前置条件为 Python 3.10+ 或 Node.js 22+，并安装 confident-trace；需要项目级 CONFIDENT_API_KEY 才能导出到 Confident AI。流程：确认目标是 AI 应用；检测语言、框架、模型提供商、智能体 SDK、网关、打包器和现有 OpenTelemetry 设置；阅读 references/integrations.md 及对应仓库集成文档，优先自动埋点；无集成可用时按 references/tracing.md 写自定义 span；初始化一次，需在提供商或框架调用之前完成，TypeScript 自动埋点需同时使用 Node preload 和 init()；不要包裹已被集成覆盖的调用；对话轮次需独立 trace 时用 turn()，线程 ID 只关联轮次而不合并其 OpenTelemetry trace；结束活动工作与流后再 flush 或关闭，并在 Confident AI 中验证 trace 层级。
限制：本技能止于生成结构良好的 trace；附加评估指标与运行评估属于 deepeval 技能，原始厂商中立的 OpenTelemetry 导出属于 confident-otel 技能。切勿追踪密钥、凭据或未经批准的敏感数据，必要时禁用包自带的内容捕获。其余细节暂未提供。