若WorkBuddy技能响应延迟高、耗时波动大或长时间无输出，说明调用链路存在性能瓶颈；可通过启用全链路Trace捕获、在Trace Explorer定位高延迟Span、下钻分析Span事件与日志、关联Metrics及Profile验证资源约束四步精准定位卡点。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您在调用WorkBuddy技能时发现响应延迟明显、执行耗时波动大或部分环节长时间无输出，则可能是由于调用链路中存在性能瓶颈。以下是使用全链路追踪（Trace）功能定位具体卡点的操作方法：
一、启用全局Trace捕获并触发技能执行
WorkBuddy内置OpenTelemetry兼容的Trace采集模块，可在不修改技能代码的前提下自动注入Span，覆盖从指令接收、参数解析、模型调用到结果返回的完整路径。启用后所有后续技能调用将生成可追溯的分布式追踪数据。
1、打开WorkBuddy主界面，点击右上角「调试」图标，进入高级调试面板。
2、在「追踪与监控」区域，勾选「启用全链路Trace捕获」开关。
3、设置采样率：将滑块拖至100%以确保本次调用必被记录（生产环境建议调至10%–20%避免日志过载）。
4、点击「保存配置」，随后立即执行一次目标技能（如输入“生成本周会议纪要”并确认）。
二、在Trace Explorer中定位高延迟Span
Trace Explorer提供可视化火焰图与时间轴视图，支持按耗时排序、服务名过滤及跨组件跳转，可快速识别执行流中耗时最长的单个Span及其父级上下文。
1、执行完成后，返回调试面板，点击「查看最近Trace」按钮，自动跳转至Trace Explorer页面。
2、在顶部搜索框中输入技能名称（如“meeting_summary”），点击筛选。
3、在结果列表中，点击耗时列数值最大的Trace ID，进入详情页。
4、在火焰图中，找到持续时间超过800ms且无子Span的独立条形块，该Span即为瓶颈节点（常见于模型API调用、大文件IO或向量检索）。
WorkBuddy 会议助手——会议价值不该散会就流失。它把会议的采集、提炼、确认、分发串成一条流水线：从腾讯会议 / IMA / 企业微信多端取料，按 15 类场景模板自动提炼成结构化纪要，你过目确认后一键分发到钉钉、飞书、腾讯文档或企业微信。全程由 workflow 工作流编排驱动，只抽取不编造、先预览后推群、自动去重。 触发：「把会议纪要做一下发钉钉」「总结 IMA 里的 XX 录音」「按面试模板整理这场会」「把这场复盘发飞书」「发到腾讯文档让我手动改」「整理企业微信里的会议纪要」。 能力：腾讯
三、下钻分析Span属性与事件日志
单个Span包含标签（Tags）、事件（Events）和日志（Logs）三类元数据，其中Events记录关键状态跃迁（如“start_parsing”“invoke_model”），Logs嵌入原始错误信息或调试输出，是判断根因的核心依据。
1、在Trace详情页，点击目标Span右侧的「展开」箭头。
2、滚动至「Events」区域，查找带有error:true标记的事件行，检查其message字段是否含“timeout”“connection refused”或“JSON decode failed”。
3、若未发现错误事件，继续查看「Tags」区域，确认是否存在http.status_code=504或llm.model_name=undefined等异常值。
4、在「Logs」区域，逐行检查timestamp最接近Span结束时间的日志，提取其中包含“latency”“retry_count”“cache_hit”的键值对。
四、关联Metrics与Profile验证资源约束
Trace仅反映单次调用行为，需结合实时指标（Metrics）与运行时剖析（Profile）交叉验证是否由CPU、内存或网络带宽等底层资源限制引发性能退化。
1、保持Trace Explorer页面打开，点击右上角「关联指标」按钮，跳转至Metrics Dashboard。
2、在仪表盘中，选择时间范围与当前Trace的起始时间对齐，观察「agent_queue_length」曲线是否在Trace时间段内持续高于7。
3、切换至「CPU Usage」图表，确认同一时段是否存在峰值超过92%且持续超5秒的平台。
4、返回调试面板，点击「启动实时Profile」，在弹出窗口中选择「Python Runtime Profiler」并设置持续时间为10秒，随后再次触发相同技能，等待Profile完成生成。
