单次最多 10 万条：火山引擎把新 Trace 追加进评测集

线上 Trace 要变成评测样本，不能等事后再翻历史。火山引擎 AgentKit 的数据回流，是把之后新产生的 AI Trace 按规则导出到智能体评测平台的评测集里。评测集在这里指一批可复用的链路样本，用来发起评测实验，而不是监控大盘本身。

线上样本为什么要进评测集

文档把 Trace 当成看性能瓶颈、异常调用和服务依赖的依据。智能诊断、性能分析和链路检测规则要迭代，就需要标准化的 Trace 样本。导出之后形成链路样本库，可以直接拿这些样本开评测实验。用途写了五类：验证链路诊断算法，优化检测规则，评估异常识别效果，把故障案例留下来，以及事后复现。目标是从线上真实数据走到评测验证，而不是只在监控里看一眼。

两条硬限制

导出数据的总上限，和单次导出的上限，都是 100000 条。可以按场景把上限调低，但不能超过这条线。超出数量的数据会导出失败。

第二，目前只回流新数据，不回流历史数据。规则只作用于之后产生、且符合筛选条件的 Trace。已经过去的调用补不进来。

导出任务怎么配

入口在 AgentKit 控制台的「可观测 > 数据回流」。创建导出任务时要填四组配置。

基础信息里有任务名称，以及数据总上限。每个任务最多 100000 条。

数据过滤可以按 Span 类型、AI Span 类型、服务名称、模型名称、接口名、状态码、操作、耗时来圈数据。同一筛选项里可以配多条条件，这几条之间按或逻辑。同时配了多个筛选项时，筛选项之间按与逻辑。页面在解释或逻辑时，又写了一句「过滤出满足所有筛选条件的数据」。这句和「或」字面冲突。这里只保留页面的两句原口径，不把它们改成同一种读法。

时间范围只支持回流新数据。总时间范围由使用者指定。重复频率有三种。不重复：不设执行频率，导出总时间范围内全部符合条件的数据。文档举例，总时间范围是 2026-03-03 00:00:00 到 2026-03-05 00:00:00 时，这段里符合要求的数据全部导出。按天重复：只导出每天指定时段。同一总时间范围，若重复频率是每天 00:00:00 到 03:00:00，则只导出 2026-03-03 和 2026-03-04 这两个凌晨时段，2026-03-05 不在举例的导出结果里。按周重复：按周指定时段和单次数据上限。文档再次提醒，总上限和单次上限都是 100000 条，超出就失败。

导出配置的目的地是智能体评测平台。数据脱敏默认开启：导出数据里的 Input 和 Output 会自动脱敏。关掉之后才保留完整输入输出，文档说这是为了调试和排障。目标评测集可以选已有的，也可以新建，新建时要自己起名。导入方式目前只有追加，也就是在已有数据后面加，不会用这批 Trace 覆盖原评测集。字段映射要逐项选择 Trace Span 字段，以及它流进评测集的哪一列。

导出之后能做什么

任务出现在列表里之后，可以点「导出目标」跳到对应评测集，看导出的数据。文档写明，也可以用这些 Trace 创建评测集，再做评测实验。评测实验本身的做法不在这一页，页面指向「什么是评测」。

任务还可以暂停或重新开启、复制后改配置、按新配置编辑，以及删除。删除不可恢复。

页面没有给出某次回流的样本量、评测实验分数，也没有对照「回流前 / 回流后」的诊断准确率。100000 条、只收新数据、默认脱敏、只追加、以及筛选项的与或关系，是导出约束，不是线上效果。

字节，火山引擎 AgentKit 文档，数据回流，2026-08-26，https://docs.volcengine.com/docs/agentkit/data-backflow