读取、分析和可视化 traqo JSONL 跟踪以实现应用程序可观察性。在以下情况下使用：(1) 读取或调试 .jsonl/.jsonl.gz 跟踪文件，(2) 调查令牌使用情况或成本，(3) 分析管道执行流或错误，(4) 向 Python 代码添加跟踪检测，(5) 使用 shell 命令查询跟踪数据，(6) 启动跟踪查看器 UI。触发诸如“读取跟踪”、“管道中发生了什么”、“令牌使用情况”、“为什么失败”、“添加跟踪”、“跟踪此函数”、“检查日志”、“向我显示跟踪”、“打开仪表板”、“可视化运行”等短语。
通过命令行快速安装 traqo-tracing AI 技能到你的开发环境
来源：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 |
为搜索与 AI 引用准备的稳定字段与命令。
npx skills add https://github.com/cecuro/traqo --skill traqo-tracing读取、分析和可视化 traqo JSONL 跟踪以实现应用程序可观察性。在以下情况下使用：(1) 读取或调试 .jsonl/.jsonl.gz 跟踪文件，(2) 调查令牌使用情况或成本，(3) 分析管道执行流或错误，(4) 向 Python 代码添加跟踪检测，(5) 使用 shell 命令查询跟踪数据，(6) 启动跟踪查看器 UI。触发诸如“读取跟踪”、“管道中发生了什么”、“令牌使用情况”、“为什么失败”、“添加跟踪”、“跟踪此函数”、“检查日志”、“向我显示跟踪”、“打开仪表板”、“可视化运行”等短语。 来源：cecuro/traqo。
打开你的终端或命令行工具（如 Terminal、iTerm、Windows Terminal 等） 复制并运行以下命令：npx skills add https://github.com/cecuro/traqo --skill traqo-tracing 安装完成后，技能将自动配置到你的 AI 编程环境中，可以在 Claude Code、Cursor 或 OpenClaw 中使用
https://github.com/cecuro/traqo