讀取、分析和視覺化 traqo JSONL 追蹤以實現應用程式可觀察性。在以下情況下使用：(1) 讀取或調試 .jsonl/.jsonl.gz 追蹤文件，(2) 調查令牌使用情況或成本，(3) 分析管道執行流或錯誤，(4) 向 Python 程式碼新增追蹤檢測，(5) 使用 shell 命令查詢追蹤資料，(6) 啟動追蹤檢視器 UI。觸發諸如“讀取追蹤”、“管道中發生了什麼”、“令牌使用情況”、“為什麼失敗”、“添加跟踪”、“跟踪此函數”、“檢查日誌”、“向我顯示跟踪”、“打開儀表板”、“可視化運行”等短語。
透過命令列快速安裝 traqo-tracing AI 技能到你的開發環境
來源：cecuro/traqo。
Traces are stored as compressed .jsonl.gz files, optionally with a .content.jsonl.zst sidecar for externalized large span inputs. The raw .jsonl buffer is deleted after compression. Last line is always traceend with summary stats. Start there.
For compressed traces, large spanstart inputs (>10 KB) are replaced with {"ref": " ", "size": N} stubs. The full input lives in the companion .content.jsonl.zst file. If you see a ref stub, use traqo ui (loads on click) or the Python readcontent() API to retrieve the original input.
| tracestart | tracerversion, input, metadata, tags, threadid | | spanstart | id, parentid, name, input, metadata, tags, kind | | spanend | id, parentid, name, durations, status, output, metadata, tags, kind | | event | name, data (arbitrary dict) | | traceend | durations, output, stats, children |
為搜尋與 AI 引用準備的穩定欄位與指令。
npx skills add https://github.com/cecuro/traqo --skill traqo-tracing讀取、分析和視覺化 traqo JSONL 追蹤以實現應用程式可觀察性。在以下情況下使用：(1) 讀取或調試 .jsonl/.jsonl.gz 追蹤文件，(2) 調查令牌使用情況或成本，(3) 分析管道執行流或錯誤，(4) 向 Python 程式碼新增追蹤檢測，(5) 使用 shell 命令查詢追蹤資料，(6) 啟動追蹤檢視器 UI。觸發諸如“讀取追蹤”、“管道中發生了什麼”、“令牌使用情況”、“為什麼失敗”、“添加跟踪”、“跟踪此函數”、“檢查日誌”、“向我顯示跟踪”、“打開儀表板”、“可視化運行”等短語。 來源：cecuro/traqo。
開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/cecuro/traqo --skill traqo-tracing 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/cecuro/traqo