# AgentLoupe：五个 RQ 的可视化调研与画面构想

版本：v0.3 · 调研版  
日期：2026-11-12  
状态：文献依据与候选设计；不是已验证的最优方案，不是生产前端，不包含新增实验结果。

## 0. 先校正研究问题及编号

依据用户 Library 中的《实验设计.md》，文件开头列出五个问题：

| 总纲编号 | 研究问题 | 前端需要支持的分析动作 |
|---|---|---|
| RQ1 | 黑盒能否重建 Agent Trace？ | 对照、检查层级、定位重建差异 |
| RQ2 | 每个系统调用能否归到正确的工具调用上？ | 检查归属、排除候选、追踪身份跨执行边界 |
| RQ3 | 数据丢失时，结果是否可靠？ | 发现缺失、识别结论受影响范围、区分确定与未知 |
| RQ4 | 开销 | 比较观测模式、定位额外耗时与资源影响 |
| RQ5 | 端到端效果（Case） | 从症状追溯来源并解释证据链 |

**编号冲突必须保留说明：**同一文件后半部分把“开销”写在 RQ3 下，把 Case 写在 RQ4 下；近期讨论也沿用了“RQ3＝端到端时延”。本稿为了不漏掉五个研究主题，暂按文件开头的五题总纲组织。这不代表已经确认论文最终编号。之前三题版不是完整的五题方案。

原文件中 RQ1 的目标包括会话树、子 agent 父边、工具起止时间、MCP 配对与原始消息一致性；RQ2 包括同进程并发、共享执行载体、参数歧义、跨进程、生命周期错位和跨时间六类难点。Case 部分则同时包含性能、故障和安全三种任务，不能仅设计成安全告警界面。

## 1. 对 v0.2 的判断

上一版可作为通用可观测性界面的低保真实验，但不能称为最合适的搭配。重复出现的侧栏、四张摘要卡、中央画布和右侧 Inspector，使各题看起来像同一模板换中间的图；图本身也没有充分表达每题的核心判别任务。

统一字体、颜色语义和导航没有问题。应有差异的是信息组织、视觉编码、空间布局与交互动作，而不是为了不同而给每页换一种配色。

还要区分三种不同目标：

- **论文统计图**：回答方法整体是否有效，例如错归率、召回率、开销曲线。
- **研究核验界面**：把独立真值与系统输出放在一起定位错误。
- **日常调查界面**：没有独立真值时，浏览观测结果、证据与不确定性。

因此，论文用了一个统计图，并不等于生产前端应该把它当主画面；前端画出漂亮的树，也不等于证明重建正确。

## 2. 参考论文：原图位置、可借鉴内容及边界

以下为原始论文或作者/会议页面，不把商业产品文档混作学术验证。原图链接供阅读与对照；本稿没有把远程图片打包成离线素材。

### 2.1 AgentLens — 多层次的行为观察

**AgentLens: Visual Analysis for Agent Behaviors in LLM-based Autonomous Systems**，IEEE TVCG，2024 在线发表。

- [作者实验室页面](https://zjuvai.cn/publications/lu-2024-agentlens/)
- [论文 HTML / Figure 1](https://arxiv.org/html/2402.08995v1)
- [作者提供的界面图](https://yingchaojiefeng.github.io/images/agentLens.png)

Figure 1 将整体行为轨迹、逐层展开的行为细节和模拟环境视图联动。值得借鉴的是按层级与时间组织事件、从概览逐步进入细节，而不是模拟世界的地图外观。

**边界：**论文针对模拟环境中的多 agent 行为。行为语义关联不能直接当作内核执行归属证据。适合启发 RQ1 的层级浏览与 RQ5 的行为解释。

### 2.2 MatrixWave — 用矩阵处理密集关系与比较

**MatrixWave: Visual Comparison of Event Sequence Data**，CHI 2015。

- [作者论文 PDF，第 1 页 Figure 1](https://www.cs.toronto.edu/~jianzhao/papers/matrixwave.pdf#page=1)

Figure 1 对比 Sankey 与连续转移矩阵。它把密集的步骤间关系编码进矩阵，用颜色表达两个序列数据集的差异，而不是让大量连线交叉。

**边界：**用户研究针对点击流比较，不是 Tool→OS 归因。这里借鉴“密集关系不必全画连线”的思路；下面的事件×工具候选矩阵是我们的迁移设计，不是 MatrixWave 原样方案。

### 2.3 TraVista — 把单次执行放回总体背景

**Aggregate-Driven Trace Visualizations for Performance Debugging**，2020 预印本，系统名 TraVista。

- [作者 PDF，第 4 页 Figure 2](https://vaastavanand.com/assets/pdf/travista.pdf#page=4)
- [arXiv](https://arxiv.org/abs/2010.13681)

Figure 2 在 Gantt 轨道上结合总体时延直方图、事件与关系信息，并提供同期负载的提示。它不是只显示“这一步用了多久”，还提供判断这次是否偏离常态的参照。

**边界：**同期负载是潜在竞争的线索，不是仅凭时间重叠就能证明资源竞争或因果归属。适合 RQ4 的诊断视图。

### 2.4 CRISP — 关键路径火焰图与多运行矩阵

**CRISP: Critical Path Analysis of Large-Scale Microservice Architectures**，USENIX ATC 2022。

- [会议页面](https://www.usenix.org/conference/atc22/presentation/zhang-zhizhou)
- [PDF 第 4 页 Figure 2：关键路径火焰图](https://www.usenix.org/system/files/atc22-zhang-zhizhou.pdf#page=4)
- [PDF 第 9 页 Figure 10：多 Trace 热力图](https://www.usenix.org/system/files/atc22-zhang-zhizhou.pdf#page=9)

这里的火焰图可聚合请求的关键路径；热力图把操作与多次执行关联起来。

**修正此前表述：火焰图并不只适合 CPU 调用栈。**CPU 火焰图需要 CPU 采样；关键路径火焰图则需要执行依赖及时间数据。两者宽度的含义不能混用。适合 RQ4 和 RQ5 的性能案例。

### 2.5 Contrast / SpectroViz — 正常背景与异常执行的叠加

**Enabling Multi-Dimensional Distributed Trace Comparison with Contrast**，2026-07-21 预印本。

- [论文 HTML，§4.1 / Figure 2](https://arxiv.org/html/2607.19102v1)

SpectroViz 将正常执行集合的关键路径占用概率作为背景，再叠加选中执行的关键路径，展示其在哪些位置偏离正常分布。

**边界：**这是预印本，不是已证明对 AgentLoupe 最优的设计。关键路径依赖完整性；缺失记录与错误依赖会影响解释。适合启发 RQ4 的“对比背景＋单次路径”，不能替代开销对照实验。

### 2.6 Where’s My Data? — 缺失呈现会影响信任

**Where’s My Data? Evaluating Visualizations with Missing Data**，IEEE VIS 2018 / TVCG 2019。

- [作者项目页面](https://cmci.colorado.edu/visualab/MissingData/)
- [论文 PDF，Figure 2](https://cmci.colorado.edu/visualab/papers/song_VIS_2018.pdf)

论文研究缺失值及填补值的不同呈现方式如何影响读者对数据质量、结论和置信程度的判断。

**边界：**研究对象是数值时间序列，不是审计证据。AgentLoupe 不应把缺失 syscall 用插值补成“实际观测到的事件”。可迁移的是显式区分数据质量和结论状态的原则，而不是照搬插值方法。

### 2.7 Visualizing Provenance using Comics — 从关系图到叙事分镜

**Visualizing Provenance using Comics**，USENIX TaPP 2017。

- [会议页面](https://www.usenix.org/conference/tapp17/workshop-program/presentation/schreiber)
- [论文 PDF，Figure 3–5](https://www.usenix.org/system/files/conference/tapp2017/tapp17_paper_schreiber.pdf)

作者把 provenance 中的活动组织为分镜，按顺序解释数据如何产生、被处理和转移。这为“溯源不一定只能是一张大图”提供了直接先例。

**边界：**原场景是个人数据溯源，不是安全分析师的 Agent 审计。这里借鉴叙事组织，不复制卡通外观，也不声称它已证明优于所有 node-link 图。

### 2.8 AgentSight 与 KAIROS — 同领域论文要分清图的用途

- [AgentSight 原论文](https://arxiv.org/pdf/2508.02736)：Figure 1/2 是框架与架构图，不是对某种前端布局最优性的验证。
- 用户提供的 `kairos.pdf`：第 3 页 Figure 1 是精简后的攻击溯源输出。可借鉴围绕调查目标保留关键上下文，不应把示例输出图直接当作经过交互研究验证的完整产品界面。

## 3. 按五个 RQ 提出的画面方向

下列均是基于文献与任务的**新设计假设**。没有实际用户对照实验，不能称为已验证最优。

### RQ1：双树对勘台——检查“还原对没有”，不只是展示树

**核心问题：**哪条父子边、哪次 MCP 配对、哪段消息重建发生了偏差？

**画面：**整个工作区优先给两棵同步树。左侧为独立真值，右侧为重建 Trace；相同对象保持稳定的行位置和可识别 ID。正确对应默认弱化，缺失节点、额外节点、错误父边和错配 MCP 分别显示差异标记。中间只在需要时画对应线，而不是把所有节点连成毛线团。底部是一条紧凑的会话概览带，负责跳到长会话中的某段。选中差异后，下方展开字段和原始载荷对照。

**关键交互：**跳到下一处差异；两树同步折叠；按错误类型筛选；从摘要节点展开到消息，再到字节证据。

**参考关系：**AgentLens 启发层级概览；MatrixWave 和 Contrast 启发显式比较。双树、差异分类与证据下钻的组合是本项目候选设计。

**数据要求：**稳定对象标识、结构化父边、独立 transcript/replay 参考、匹配规则及原始载荷位置。没有独立真值时只能使用浏览/一致性检查模式，不显示“准确率”或“已验证正确”。

**辅助而非取代：**Tree/Waterfall 保留用于普通浏览；论文中仍需独立的重建正确性统计。

### RQ2：逻辑调用与物理执行双层轨道——身份不等于进程

**核心问题：**同一个共享 MCP 或进程同时为多个 Tool 工作时，某个系统事件究竟归谁？

**画面：**上半区按逻辑 Tool Call 分轨，下半区按 PID/TID/服务分轨，共用同一时间轴。选中一个调用后，只突出有证据支撑的跨层关联，其他轨道弱化。共享服务可以承载多个不同调用，但这些调用的颜色和身份不会因穿过同一进程而合并。

在高并发场景切换到一个占主要画布的**事件×调用候选矩阵**：行是 syscall 或稳定分组，列是调用。格子显示确定归属、仍在候选集、被证据排除、尚无证据。它不是概率热力图，不能把候选成员资格伪装成置信度。

**关键交互：**点击事件定位候选列；解释“为什么属于 A／为什么排除 B”；切换按调用和按执行载体组织；从延迟触发事件进入资源传播路径。

**参考关系：**时间轨道借鉴 tracing 系统；密集关系矩阵借鉴 MatrixWave 的编码取舍。跨层身份/载体分离是 AgentLoupe 特定需求，不是来源论文已经验证的成品。

**数据要求：**Tool 身份、PID/TID 与生命周期、候选集合、关联证据、共享服务边界和资源版本。必须分开画执行归属边与资源影响边；“读了某个文件”不自动等于“身份变成该文件写入者”。时间重叠只证明同时发生，不证明归属。

### RQ3：证据完整性剖面——让“哪里不知道”成为主画面

**核心问题：**没有事件，是没有执行、主动过滤、采集丢失，还是无法重建？哪些结论因此不能确定？

**画面：**主画面是一张多通道完整性栅格。横向时间或序列号，纵向 TLS、MCP、内核事件、解码/重建等数据层。观测到的区间、确认丢失区间、过滤区间、未覆盖区间和有来源可核验的恢复记录分开显示。其下展示所选调用的局部证据链；断点要可见，不自动用一条连续实线跨过去。

选中缺失区间时，工作区直接展示受影响的调用与当前结论：仍可确定、只能给候选集、不可判断。右侧不再是通用 JSON Inspector，而是“结论为何降级”的解释。

**关键交互：**沿同一调用查看各通道证据；切换完整记录与受控丢失记录；定位从确定降为候选的具体依据；查看恢复记录的来源。

**参考关系：**Where’s My Data? 提供数据质量呈现影响信任的依据。多通道栅格与结论降级的联动是我们提出的原型方向。

**数据要求和边界：**有精确序列号才能定位精确缺口。只有 ring buffer 丢失总计时，只能标注相应范围内存在缺失，不能捏造哪一个 syscall 或哪个 Tool 丢了。回填/解码重建与统计插值完全不同。实验中的“错归”必须依赖独立真值，不能在生产模式仅凭输出自信度判定。

**研究模式辅助图：**按丢失比例对比错归、确定且正确、候选包含真值等指标；横向比较使用同一评分集合。交互控件选择已跑完的实验，不伪装实时模拟出效果。

### RQ4：性能对比工作台——不止回答慢多少，还要帮助查慢在哪里

**核心问题：**观测造成多大额外成本？单次慢任务相对可比运行偏离在哪里？

**画面：**进入时显示不同模式的可比较运行分布与任务分组。选中异常运行后，切到“正常背景＋当前关键路径”：常见的路径分布用低对比度背景表示，当前请求的实际路径叠在上方。明显的驻留延长或阶段错位负责引导调查，而不是只用一个红色总耗时数字。

另一个视角是操作×运行矩阵，查找哪些调用类型在多次运行中系统性变慢。需要汇总关键路径时可以使用关键路径火焰图；要分析 CPU 热点则另用 CPU 采样火焰图，两者标题、单位和数据源都明确区分。

**参考关系：**TraVista 的总体背景、CRISP 的关键路径/矩阵、SpectroViz 的路径叠加。统计对照与诊断路径的联动是候选组合。

**数据要求和边界：**模型、任务、缓存、工具权限、成功与超时策略等比较条件必须可见。关键路径需要真实依赖与时间信息；证据不足时回退到标明边界的 Waterfall，不绘制虚构的“瓶颈解释”。长 LLM 等待不能直接算成 AgentLoupe 导致的开销。

**论文图仍需保留：**配对差值/比值图、ECDF 或箱线图、内存/存储、同机服务吞吐与尾延迟。样本少时不把不稳定的尾分位数当强结论；不静默丢弃失败运行。

### RQ5：案件证据分镜——把跨时间链条讲清楚

**核心问题：**从一个异常症状，能否追到具体会话、工具调用与资源？证据支持到哪一层？

**画面：**主入口不是全量关系网，而是一条有章节的证据故事线。以延迟故障为例，分为“原始任务与授权范围”“写入的脚本/资源版本”“跨时间的触发”“实际系统效果”。各章节只显示与当前问题相关的小子图及证据摘要。跨越一天的空档明确画时间断点，展开后才查看期间背景活动。

选择某个资源会出现其生命线：哪个调用创建/修改了哪个版本，何时被谁读取或执行。选择一个结论则反向高亮支持它的原始记录，区分观测事实、规则归因和分析解释。

**三个 Case 不强塞同一种布局：**

| Case | 主要画面 | 必须回答 |
|---|---|---|
| P1 性能 | 工具资源排名＋局部关键路径 | 哪个调用占用 CPU／阻塞任务？ |
| F1 故障 | 资源版本生命线＋跨日分镜 | 延迟执行的错误从哪次写入产生？ |
| S1 安全 | 授权意图/实际效果对照＋证据子图 | 行为偏离在哪里，依据是什么？ |

**参考关系：**Provenance Comics 提供活动叙事的先例；KAIROS 提供精简调查图的先例。不是把审计页面做成卡通，也不是让 LLM 用流畅文字填补不存在的证据。

**数据要求和边界：**持久资源标识与版本、跨时间关联证据、任务和授权上下文。能归因到某次调用不自动证明恶意或越权。LLM 的解释要和观测事实分层，且可跳回证据。

## 4. 一页选型表

| RQ | 推荐先比较的主画面 | 保留的成熟辅助视图 | 不能仅靠界面证明的结论 |
|---|---|---|---|
| RQ1 | 双树对勘＋显式差异 | Tree、Waterfall、原始载荷 | 黑盒重建准确率 |
| RQ2 | 逻辑/物理双层轨道；密集时切候选矩阵 | 局部 provenance、Process Tree | 因果归属正确性 |
| RQ3 | 多通道证据栅格＋结论降级 | 局部断链图、受控丢失曲线 | 缺失下的可靠性保证 |
| RQ4 | 多运行对比＋关键路径正常背景 | ECDF、配对图、矩阵、火焰图 | 观测开销的因果估计 |
| RQ5 | 案件分镜＋资源生命线 | 精简子图、意图/效果对照 | 根因或安全判断成立 |

五个 RQ 是论文论证维度，不必机械地变成五个互不相关的产品菜单。研究模式可按 RQ 组织；生产模式可按“执行、归因、证据质量、性能、案例”组织。共享实体身份、时间选择、证据入口与颜色语义，但不共享一成不变的四卡片布局。

## 5. 如何判断候选组合是否真的更合适

先用同一批可复核的真实数据比较 v0.2 与新画面，不用“看起来酷”代替分析能力。建议的形成性测试题：

| 任务 | 对应 RQ | 关注的结果 |
|---|---|---|
| 找到错误的子 agent 父边或 MCP 配对 | RQ1 | 定位正确率、所用时间、是否误把缺失当额外调用 |
| 区分并发同参数调用，必要时保留 UNKNOWN | RQ2 | 正确归属、无依据确定判断的比例 |
| 解释某次结论为何因丢失而降级 | RQ3 | 是否分清未发生/未观测/过滤/恢复 |
| 找到慢任务相对可比运行的偏离阶段 | RQ4 | 是否误把并行时长相加、误判关键路径 |
| 从次日的效果追到前一天具体资源版本与调用 | RQ5 | 证据链正确性、错误的恶意/越权推断 |

小规模评阅先用于发现可用性问题，不能据此宣称统计显著优越。新的视觉设计若要作为论文贡献，还需独立的任务设计、用户/专家评估与统计依据；它不能替代系统本身的准确性、可靠性和性能实验。

## 6. 当前结论

之前的 Tree / Waterfall / Timeline / Graph 仍是有价值的基础视图，但应从“每个 RQ 固定配一种常见图”升级为“每个分析任务拥有适合的比较方式与证据入口”。

优先比较的五种画面是：**双树对勘、跨层归属、完整性剖面、性能偏离、案件分镜**。其中 RQ2 和 RQ3 最能体现 AgentLoupe 特有的问题；RQ4 有较强的 tracing 文献基础；RQ5 可以在不牺牲证据可核验性的前提下提供更有辨识度的展示。

本轮没有改写现有 HTML，没有把合成数据当作新实验结果，也没有把上述候选组合宣称为已验证的最优方案。