只看最终回答，你最多知道“这次答得好不好”；但你很难知道“为什么会这样”。
retrieval trace 和 query log 的长期价值，在于把黑盒结果拆回可优化的链路：用户问了什么、检索了什么、排在前面的证据是什么、最后引用了什么。
没有这些轨迹，常见问题是：
- 你分不清是检索错、重排错、拼装错，还是生成错
- 同类失败无法聚类
- 数据质量优化没有抓手
至少值得保留的粒度通常包括：原始 query、归一化 query、候选结果、最终入 prompt 的证据、回答引用来源。没有这些链路，优化只剩“看着调”，很难形成真正的质量闭环。