AI Agent 完成一次任务以后，很多系统只保存最终回答。表面看结果还在，真正复盘时却发现最重要的信息都丢了：用户原始输入是什么，检索到了哪些资料，工具返回有没有异常，谁批准了客户可见动作，最后输出是不是人工改过。
证据包要和 证据归档、审计查询字段、需求验收标准 放在一起看。Agent 不是普通文案生成器，它会读取资料、调用工具、影响任务流，所以留证据比留一句结论更重要。
证据包先保存原始输入
原始输入不能只保存被整理后的摘要。用户给出的字段、附件、问题表述、上下文限制和时间点，都可能影响 Agent 的判断。复盘时如果只看到“请生成回复”，很难判断错误来自用户表达、资料缺口还是 Agent 推理。
比较稳的做法，是同时保存原始输入和 Agent 整理后的任务摘要。前者用于还原现场，后者用于快速理解任务目标。两者不一致时，就能暴露任务理解问题。
工具返回要带状态
工具调用记录不能只写“已调用”。要保存工具名、参数摘要、返回状态、错误码、关键结果和调用时间。特别是搜索、数据库、工单、日历、邮件这类工具，返回内容会直接影响最终动作。
如果工具返回超时、权限不足或字段缺失，最终答案再顺滑也不能直接视为可靠。这里可以接上 失败升级规则，把错误返回自动送进暂停或转人工队列。
人工确认也属于证据
涉及客户可见回复、外发邮件、权限变更、金额和合同内容时，人工确认不是形式动作，而是证据包的一部分。要保存确认人、确认时间、确认前后差异和放行理由。
这会让团队区分两类问题：Agent 原始输出就有错，还是人工修改后引入了新问题。没有这层记录，后面很容易把所有责任都模糊地推给系统。
版本信息别漏
同一条任务在不同模型、提示词、知识库版本和工具版本下，可能给出不同结果。证据包里至少要记录模型版本、提示词版本、知识库快照或资料时间、关键配置和执行环境。
这对 真实失败样本评测集 很有价值。旧样本重跑时，团队才能判断改进来自模型升级、资料更新，还是规则调整。
总结
AI Agent 证据包不是为了增加记录负担，而是为了让验收、抽检、事故复盘和规则优化有依据。最终答案只是结果，输入、资料、工具、确认和版本信息，才是团队判断 Agent 是否可靠的底层材料。
