A09 是 A 卷的验收层，回答三个问题：看见了 / 好不好 / 会不会被骗。一条主线串起全卷：① 链路追踪把 LLM 决策纳入 Span——记录单位从 HTTP 调用变成 LLM 决策/工具执行，最小字段决定可回溯性：step/decision/token 之外必须带 prompt_hash/context_ref/error_class，缺一个事后就补不回来；开发态 Studio 逐节点调试、生产态 Micrometer 聚合，Trace 爆炸靠采样分级（异常全量/正常摘要）+ Prompt 指纹（SHA256 入低成本存储）兜底；② 成本大头在 Prompt Cache 命中率——命中部分单价只有未命中的 10%，按此计价命中率 90% vs 50% 的比值约 2.9 倍，不是 3-5 倍（3–5 倍只在命中价≈5% 时近似成立；把 2.9 写成 3–5 倍是把不同假设混在了一起）；三级归因（Agent/用户/任务）定位花钱方，基线×3 + Token 占比抓死循环，模型路由四策略（静态/语义/级联/降级）降本；③ LLM-as-Judge 是方法不是体系——体系 = 三层数据集（Golden/Adversarial/Production）+ 四维指标（完成率×0.5+工具效率×0.2+安全×0.2+成本×0.1）+ CI/CD 门禁（>0.75 上线 / 0.60-0.75 Review / <0.60 阻止）；Judge 有四类偏差（自我偏好抬 5-15%/位置/长度/风格），靠多 Judge 投票+人机交叉+位置随机化校准，每次事故变成一条断言；④ 测试用四层金字塔隔离非确定性——快照测 Prompt、单测测工具、Mock LLM 把非确定性系统测成确定性逻辑（核心创新）、E2E 每周跑不阻塞 PR；⑤ 确定性是分层控制不是消灭随机——工具选择/参数提取强制 temperature=0，工具结果缓存+Checkpoint 重放才是真确定性，警惕模型版本漂移这个最被低估的来源；⑥ 反指标博弈是必然的——Goodhart 定律：指标成为目标就不再是好指标；三道防线（多维指标互锁/对抗评估/影子指标）缺一不可，公开↑+影子↓ = 在博弈，且是每周审计+演化对抗的持续共同进化。