文章指出仪表盘显示 200 OK 并不意味着 AI 智能体给出了正确答案，提出在生产环境中需要补足缺失的观测层。内容涵盖 MLflow 的 tracing 与 spans 功能，以及利用 LLM judges 进行评估，并列出四个在 notebook 演示与生产部署之间起到决定性作用的配置选择，用于让智能体的运行可追踪、可评判。