企业官网建设流程全解析

1. 这不是监控面板，而是一套“运行事实的翻译系统”

你有没有遇到过这样的情况：线上服务突然变慢，告警跳出来一堆红色数字，但翻遍日志、查遍指标，就是找不到那个真正“卡住”的环节？或者更糟——系统明明在跑，用户反馈却说“功能没反应”，而你的链路追踪里所有 span 都显示 success，绿色得刺眼。这不是幻觉，是典型的“可观测性失语症”：数据堆成山，却没人能听懂它到底在说什么。

Workrun 这个名字听起来像某个开源项目，但它本质上代表了一种工程实践范式——把软件运行过程中的原始行为（what actually happened）和业务目标达成度（did it work as intended）之间那条模糊的鸿沟，用可验证、可追溯、可归因的方式填平。标题里“从运行事实到回归证据”这十个字，就是整套实践的底层契约：运行事实（Telemetry）是传感器采集的原始信号，比如 HTTP 请求耗时、数据库查询返回行数、函数执行时长；回归证据（Evaluation）则是用这些信号去反向验证一个明确的业务假设，比如“用户点击提交按钮后，3秒内必须收到确认弹窗”，这个假设一旦被反复证伪，就构成了技术债升级为产品风险的铁证。

Telemetry 不是埋点，Evaluation 也不是测试报告。前者要解决的是“信号保真度”问题——你采集的数据是否真实反映了系统在真实负载下的行为？后者要解决的是“证据有效性”问题——你设计的验证逻辑是否真的能覆盖用户真实场景中的关键路径？中间那个被很多人忽略的 OTLP 协议，恰恰是连接两者的神经中枢：它不只负责把 span、metric、log 从进程里传出去，更关键的是保证这些数据在传输过程中不被篡改、不被截断、不被错误关联——就像快递员送包裹，OTLP 要确保包裹上的收件人、地址、物品清单三者严格一致，否则 Evaluation 阶段拿着一张错贴了标签的包裹去核对订单，结果必然是南辕北辙。

我见过太多团队把 Telemetry 当作运维工具来用：装好 Prometheus 就算完成，grafana 里画几条线就当监控到位。结果一出问题，还是要靠人肉翻日志、靠经验猜瓶颈。Workrun 的实践核心在于把 Telemetry 数据流本身当作一种“可编程的证据源”，而 Evaluation 则是这套证据源的“司法审查程序”。比如一个 span 的 status.code 是 0（OK），但它的 attributes 里记录了 retry_count=3、db_query_time_ms=2800、http_client_timeout_ms=3000——这三个数字组合起来，就是比 status.code 更有力的“运行事实”：系统确实完成了请求，但代价是三次重试、逼近超时阈值的数据库响应。Evaluation 阶段会把这些字段组合成一条规则：“当 retry_count > 1 且 db_query_time_ms > 2500 时，标记为‘脆弱成功’”，这个标记才是后续容量规划、代码重构的真正依据。

所以如果你正在看这篇文章，大概率你不是想学怎么配 OTLP exporter，而是想搞清楚：当老板问“我们的推荐算法准确率为什么掉到 72%”，你能不能拿出一份证据链，证明这个数字下降是因为上游用户行为埋点漏传了 15% 的曝光事件，而不是模型本身出了问题？这份证据链的起点，就是 Workrun 实践里 Telemetry 和 Evaluation 的咬合方式。

2. Telemetry 设计：不是采集一切，而是定义“可证伪的事实单元”

Telemetry 在 Workrun 体系里，从来不是“尽可能多采集”的数据收集运动，而是一场精密的“事实单元”定义工程。所谓“事实单元”，指的是一个最小粒度的、具备独立验证能力的行为描述。比如一个 HTTP 请求，传统做法可能只记录 status_code 和 duration；但在 Workrun 实践中，这个单元必须包含三个不可分割的要素：上下文锚点（context anchor）、行为指纹（behavior fingerprint）、结果标尺（outcome ruler）。缺一不可，否则采集来的数据就是一堆无法交叉验证的碎片。

2.1 上下文锚点：让每个 span 都有“身份证号”

Span 不是孤立存在的，它必须能被唯一锚定到一个具体的业务语义上下文中。Workrun 要求每个 span 必须携带至少两个强制属性：

• workrun.trace_id：全局唯一，由入口网关生成，贯穿整个请求生命周期，不依赖 OpenTelemetry SDK 自动生成的 trace_id（因为 SDK 可能在异步线程中丢失或复用）；
• workrun.business_context：一个结构化 JSON 字符串，包含user_id（脱敏后）、session_id、feature_flag_version、ab_test_group四个字段。其中feature_flag_version是关键——它记录了当前请求所处的功能开关版本号，比如"recommend_v2.3.1"，这样 Evaluation 阶段就能精确对比不同版本间的性能差异，而不是笼统地说“v2 比 v1 慢”。

我曾经参与过一个电商搜索服务的优化，初期只用了标准 OTLP span，结果发现搜索耗时波动极大，但所有 span 的 duration 分布都集中在 200-400ms 区间。直到我们强制加入workrun.business_context并解析ab_test_group，才发现在 A/B 测试组 B 中，feature_flag_version为"search_ranking_v3.0"的请求，其duration并不直接体现问题，但它的子 spansearch_engine.query_parse的attributes.parse_error_count平均值高达 2.7——原来新版本解析器在特定 query pattern 下会反复失败重试，而主 span 的 duration 只记录了最终成功那次的时间。没有这个上下文锚点，这个根本原因永远藏在统计噪声里。

提示：workrun.business_context的序列化必须使用确定性 JSON 库（如 python 的ujson配合sort_keys=True），避免因字段顺序不同导致哈希值不一致，影响后续的聚合分析。

2.2 行为指纹：用结构化标签替代模糊日志

传统日志里常见的 “user clicked button” 这类描述，在 Evaluation 阶段毫无价值。Workrun 要求所有关键行为必须转化为可计算、可索引的结构化标签。以“用户提交订单”为例，其行为指纹必须包含：

• event_type: "order_submit"
• submit_method: "web_form" | "mobile_api" | "wechat_mini_program"
• payment_method: "alipay" | "wechat_pay" | "bank_card"
• cart_item_count: 3
• total_amount_cny: 299.00

这些标签不是随意添加的，而是基于一个核心原则：每个标签都必须对应 Evaluation 阶段的一条验证规则。比如payment_method标签的存在，就是为了支撑这条规则：“当 payment_method = 'wechat_pay' 且 duration > 5000ms 时，触发微信支付通道健康度告警”。如果某个标签在 Evaluation 规则里从未被引用，它就应该被移除——这是 Telemetry 设计的第一道过滤阀。

实操中我们发现，最常被滥用的是error_message标签。很多团队习惯把整个异常堆栈塞进去，结果 OTLP collector 因为单条 span 超过默认 8KB 限制而丢弃数据。Workrun 的解决方案是：只保留error_code（如"PAYMENT_TIMEOUT"）和error_category（如"third_party_service"），而将完整堆栈写入独立的 log stream，并通过workrun.trace_id关联。这样既保证了 span 的轻量和可索引性，又不丢失调试信息。

2.3 结果标尺：把“成功”拆解成可测量的刻度

Status code 的 success/fail 二元判断，在复杂业务流程中早已失效。Workrun 引入“结果标尺”概念，要求每个关键 span 必须定义一组连续型数值指标，构成一个可量化的结果维度。以支付回调处理 span 为例，其结果标尺包括：

• callback_latency_ms: 从第三方支付平台发起回调到本服务完成处理的毫秒数；
• retry_count: 本服务向下游订单系统重试的次数；
• idempotency_hit_rate: 幂等键命中缓存的比例（0.0 - 1.0）；
• final_status: 枚举值"success" | "failed" | "partial_success"。

这四个指标共同构成一个四维结果空间。Evaluation 阶段可以定义复合规则：“当callback_latency_ms > 3000且retry_count > 2且idempotency_hit_rate < 0.8时，判定为‘高成本失败’，需立即触发架构评审”。注意这里没有使用status_code == 500这样的简单判断，因为真正的业务失败往往发生在 status_code 显示 200 的情况下——比如回调处理成功返回了 200，但实际只更新了部分订单状态，这种“partial_success”必须被结果标尺捕获。

注意：所有结果标尺指标必须使用 OTLP 的InstrumentationScope显式声明单位（如ms,count,ratio），并在 collector 端配置统一的单位转换规则。我们曾因callback_latency_ms在 Java agent 和 Python service 中分别上报为microseconds和milliseconds，导致 Evaluation 规则始终无法命中，排查了三天才发现是单位不一致。

3. Evaluation 实现：从规则引擎到证据链生成

Evaluation 在 Workrun 体系里，绝不是简单的“告警阈值设置”，而是一个完整的证据生成流水线。它接收 Telemetry 数据流，执行一系列可验证的规则，输出结构化的“回归证据包”（Evidence Package），每个包都包含：被验证的业务假设、支撑该假设的数据证据、证据的置信度评估、可操作的根因线索。这个过程不是静态配置，而是动态演进的——随着业务复杂度提升，Evaluation 规则本身也需要版本化管理、A/B 测试和灰度发布。

3.1 规则定义语言：用 YAML 写“法律条文”

Workrun 采用自研的 Evaluation DSL（Domain Specific Language），语法高度接近自然语言，但具备严格的类型约束和可执行性。一个典型的规则定义如下：

# rule_id: payment_callback_stability_v2 version: "2.1" scope: span_kind: SERVER attributes: event_type: "payment_callback" workrun.business_context.feature_flag_version: "payment_v4.2.*" condition: # 定义“稳定”的数学表达 stability_score: | (1.0 - (retry_count / 5.0)) * idempotency_hit_rate * (1.0 - (callback_latency_ms / 10000.0)) threshold: 0.75 window: "5m" action: evidence_type: "performance_degradation" severity: "high" root_cause_hint: | if retry_count > 2 and idempotency_hit_rate < 0.8: "检查幂等键生成逻辑是否与支付平台回调参数强耦合" elif callback_latency_ms > 5000: "检查下游订单服务 GC 停顿时间"

这个 DSL 的关键设计在于stability_score字段：它不是一个布尔表达式，而是一个可计算的连续值分数。这使得 Evaluation 不再是“达标/不达标”的粗暴判断，而是能衡量“偏离程度”的量化评估。比如分数从 0.92 降到 0.76，系统会记录为“稳定性轻微下滑”，而降到 0.61 则触发“严重退化”告警。更重要的是，这个分数公式本身就是一个可验证的业务契约——产品团队可以清晰地看到，“稳定性”在技术侧被明确定义为重试成本、缓存效率和延迟容忍度的加权乘积。

规则的scope部分强制要求指定workrun.business_context的匹配模式，这确保了 Evaluation 总是作用于明确的业务上下文。我们禁止使用*通配符匹配所有 feature_flag_version，因为这意味着规则失去了业务语义锚点，变成无差别的“噪音过滤器”。

3.2 证据链生成：从单点告警到因果网络

当一条 Evaluation 规则被触发，系统不会只发送一条告警消息，而是自动生成一个完整的证据链（Evidence Chain）。这个链以被验证的业务假设为根节点，向下展开三层关联证据：

1. 直接证据层：触发规则的原始 span 数据快照，包含所有 attributes 和 metrics；
2. 关联证据层：与该 span 共享同一workrun.trace_id的上下游 span，按时间顺序排列，并高亮显示异常指标（如某个子 span 的db_query_time_ms超过父 span duration 的 80%）；
3. 统计证据层：过去 1 小时内同类 span 的聚合统计，包括stability_score的分布直方图、retry_count的 P95 值变化趋势、idempotency_hit_rate的同比环比。

这个三层结构，把一次孤立的异常事件，还原成一个可追溯的因果网络。运维同学不再需要手动拼接 trace，开发同学能一眼看到“为什么这个支付回调会重试三次”——因为关联证据层显示，第三次重试前的order_service.update_statusspan 返回了status_code=503，而统计证据层显示这个 503 错误在过去 10 分钟内集中爆发，指向下游服务扩容失败。

实操心得：证据链生成必须在 200ms 内完成，否则会拖慢整个 OTLP pipeline。我们的方案是预计算——在 span 上报时，collector 就根据规则 scope 的匹配条件，提前为每个 span 计算并缓存其stability_score等衍生指标。当规则触发时，只需组装已有的数据块，而非实时计算。

3.3 Evaluation 版本管理：让规则进化像代码一样可控

Evaluation 规则不是写完就扔进生产环境的。Workrun 要求所有规则必须经过完整的 CI/CD 流程：

• 单元测试：用模拟的 span 数据集验证规则逻辑，确保stability_score计算正确；
• 集成测试：在 staging 环境部署规则，观察其在真实流量下的触发率和误报率；
• 灰度发布：新规则先对 1% 的workrun.trace_id生效，持续监控 15 分钟，无异常再逐步放大；
• 回滚机制：任何规则版本都可以一键回退到上一版，回退过程自动清理已生成的证据链。

我们曾遇到一个经典案例：新上线的payment_callback_stability_v2规则，在灰度阶段发现对wechat_pay支付渠道的误报率高达 40%。深入分析发现，微信支付回调存在合法的“双回调”现象（即同一笔订单，平台会发送两次内容完全相同的回调），导致retry_count被错误计为 1。解决方案不是降低阈值，而是为规则增加一个前置过滤器：

pre_filter: - condition: "attributes.payment_method == 'wechat_pay'" action: "skip_retry_count_calculation"

这个修复被作为一个 patch 版本v2.1发布，全程耗时 22 分钟，且未影响其他支付渠道的监控。如果没有版本管理和灰度能力，这个 bug 可能会导致整个支付监控系统瘫痪数小时。

4. OTLP 与 Span 的深度协同：协议不是管道，而是契约

在 Workrun 实践中，OTLP 协议的地位被彻底重构：它不再是 Telemetry 数据的“搬运工”，而是 Telemetry 和 Evaluation 之间的一份技术契约（Technical Contract）。这份契约规定了数据的格式、语义、时效性和完整性要求，任何违反契约的行为都会导致 Evaluation 失效。Span 也不再是链路追踪的附属品，而是承载这份契约的最小执行单元。理解这一点，是落地 Workrun 的关键门槛。

4.1 OTLP 的“契约条款”：超越基础配置的硬性约束

标准 OTLP 文档里，你只会看到 endpoint、headers、batch size 这些配置项。但在 Workrun 体系中，OTLP 的配置必须显式声明以下“契约条款”：

这些条款不是可选项，而是通过 collector 的 schema validation 模块强制执行。比如当 collector 收到一个缺少workrun.business_context的 span，它不会默默丢弃，而是返回 HTTP 400 错误，并在响应体中明确指出缺失的字段和对应的契约条款编号。这种“契约式拒绝”，倒逼所有服务端 SDK 必须严格遵循 Workrun 的 Telemetry 规范。

提示：我们专门开发了一个workrun-contract-validator工具，可以在本地启动一个 mock collector，开发者用它测试自己的 span 上报逻辑。这个工具会模拟所有契约条款的校验，并生成详细的合规报告，指出哪一行代码导致了workrun.latency_violation。

4.2 Span 的“契约履行”：从被动记录到主动声明

在传统链路追踪中，span 是被动记录执行过程的“录像带”。而在 Workrun 中，span 是主动声明业务意图的“承诺书”。每个 span 的name字段，不再是一个简单的函数名或 URL，而是一个语义化的契约名称。例如：

• name: "payment.callback.process.v4"：声明这是一个支付回调处理流程，版本为 v4；
• name: "search.rank.compute.v3"：声明这是一个搜索排序计算，版本为 v3；
• name: "user.profile.load.optimized"：声明这是一个优化过的用户档案加载。

这些名称不是随意命名的，它们直接映射到 Evaluation 规则的scope配置。当规则定义name: "payment.callback.process.*"时，它实际上是在声明：“我只关心支付回调处理这个业务契约的履行情况，其他任何 span 都不在我的管辖范围内”。

更进一步，Workrun 要求 span 的kind字段必须精确反映其在业务契约中的角色：

• SPAN_KIND_SERVER：表示该 span 是一个业务契约的执行主体（如支付回调处理）；
• SPAN_KIND_CLIENT：表示该 span 是一个业务契约的调用方（如前端发起支付请求）；
• SPAN_KIND_INTERNAL：表示该 span 是一个业务契约的内部协作单元（如回调处理中调用的风控服务）。

这种精确分类，使得 Evaluation 规则可以写出更精准的条件。比如一条规则可以专门针对SPAN_KIND_INTERNAL的风控服务 span，定义其duration的 P95 值不得高于主契约SPAN_KIND_SERVER的 P50 值的 30%——这实际上是在用数据验证“内部协作单元不能成为主契约的瓶颈”这一工程原则。

4.3 Span 关联的“契约锚定”：解决分布式系统的身份迷雾

微服务架构下，一个用户请求会穿越十几个服务，每个服务都可能生成自己的 trace_id。Workrun 采用“双锚定”机制解决身份混乱问题：

1. 全局锚定：入口网关生成唯一的workrun.trace_id，并通过 HTTP headerX-Workrun-Trace-ID透传给所有下游服务；
2. 局部锚定：每个服务在生成自己的 span 时，必须设置parent_span_id为上游服务传递过来的span_id，同时将workrun.trace_id作为trace_id字段。

这个看似简单的机制，背后有严格的校验逻辑。Collector 会检查每个 span 的trace_id是否与X-Workrun-Trace-IDheader 一致，如果不一致，则打上workrun.trace_id_mismatch=true标签，并拒绝将其纳入证据链生成流程。我们曾在一个金融项目中发现，某个 Go 语言的 SDK 因为 context 传递错误，导致 12% 的 span 使用了 SDK 自动生成的 trace_id，而非网关透传的X-Workrun-Trace-ID。这个 bug 直接导致所有跨服务的证据链生成失败，花了整整两天才定位到 SDK 的 context.WithValue 使用不当。

实操心得：不要依赖 SDK 的自动传播。Workrun 强制要求所有服务在 HTTP client 层显式注入X-Workrun-Trace-IDheader，并在 server 层显式提取。我们封装了一个WorkrunContext工具类，所有服务都必须用它来获取和设置 trace_id，杜绝了 SDK 差异带来的风险。

5. 常见问题与实战排障：那些文档里不会写的坑

Workrun 实践落地过程中，90% 的问题都不出在理论层面，而出在那些文档里绝不会提及的、带着具体业务气味的细节里。这些坑往往不会导致系统完全宕机，而是让 Telemetry 数据变得“似是而非”，Evaluation 规则像一个总在说错话的法官——看起来很专业，但给出的判决毫无参考价值。以下是我在三个不同规模项目中踩过的、最具代表性的五个问题，以及它们的真实解法。

5.1 问题：Evaluation 规则触发率忽高忽低，但业务流量平稳

现象：payment_callback_stability_v2规则在凌晨 2 点到 4 点触发率飙升至 80%，但支付成功率监控显示一切正常，人工抽查 trace 发现大部分都是“虚假警报”。

排查过程：

• 第一步：检查规则 scope，确认没有时间相关的动态条件；
• 第二步：查看触发时段的workrun.trace_id分布，发现 95% 的触发 span 都来自同一个user_id（脱敏后为u_7f3a9b）；
• 第三步：关联该user_id的全链路 trace，发现其workrun.business_context中ab_test_group字段为空字符串""，而规则 scope 中ab_test_group的匹配模式是"group_a|group_b"。

根因：该用户是内部测试账号，其业务上下文未被正确初始化，导致ab_test_group为空。而 OTLP collector 的默认行为是：当 span 的attributes中某个字段不存在时，DSL 解析器会将其视为null，而null在字符串匹配中会被强制转为空字符串""，从而意外匹配了 scope 条件。

解决方案：

• 在 collector 端增加 pre-validation：对所有workrun.business_context字段进行非空校验，空值字段直接拒绝接收；
• 在规则 DSL 中显式声明required_attributes: ["ab_test_group"]，缺失则跳过规则执行；
• 为内部测试账号配置专用的workrun.business_context，包含test_mode: true标签，方便在 Evaluation 中单独处理。

注意：这个坑的本质，是把“数据缺失”错误地等同于“数据存在但为空”。Workrun 的原则是：缺失就是缺失，绝不做隐式转换。

5.2 问题：跨语言服务的stability_score计算结果不一致

现象：Java 服务上报的callback_latency_ms=1200，Python 服务上报的相同字段值为1200000（微秒），导致 Evaluation 规则中(callback_latency_ms / 10000.0)在两边计算结果相差 1000 倍。

排查过程：

• 第一步：对比两个服务的 OTLP exporter 配置，发现 Java 使用opentelemetry-javaagent，Python 使用opentelemetry-instrumentation-wsgi；
• 第二步：查阅各自 SDK 文档，确认 Java agent 默认上报毫秒，Python instrumentation 默认上报微秒；
• 第三步：检查 collector 的单位转换配置，发现只对duration字段做了 ms 转换，但callback_latency_ms是自定义指标，未被纳入转换规则。

根因：OTLP 协议本身不强制规定时间单位，SDK 实现各不相同。Workrun 的“单位标准化”契约条款，在 collector 端只对标准指标生效，对自定义指标需要手动配置。

解决方案：

• 在所有服务的 SDK 初始化时，强制指定时间单位：Java 加-Dotel.instrumentation.common.time_unit=ms，Python 在MeterProvider初始化时设置unit="ms"；
• 在 collector 的 metric processor 中，为所有以_ms结尾的指标名，自动应用scale_factor=0.001（微秒转毫秒）；
• 建立一个workrun-metric-unit-registry，所有新引入的自定义指标，必须在此 registry 中注册其单位，否则 CI 流程失败。

5.3 问题：证据链中关联 span 缺失，因果网络断裂

现象：支付回调 span 触发了规则，但证据链中只显示了自身 span，上下游的order_service.update_status和risk_control.checkspan 全部缺失。

排查过程：

• 第一步：检查 trace_id 是否一致，确认所有 span 都使用了同一个workrun.trace_id；
• 第二步：在 collector 的日志中搜索该workrun.trace_id，发现只有回调 span 被接收，其他 span 日志显示rejected: invalid parent_span_id；
• 第三步：抓包分析，发现risk_control.check服务使用的 Node.js SDK 版本过低（v1.3.0），其parent_span_id生成逻辑存在 bug，导致生成的 ID 格式不符合 OTLP 规范。

根因：分布式系统中，span 关联依赖于parent_span_id的精确匹配。一个 SDK 的 bug，就能让整个证据链失效。而这个 bug 在单服务测试中完全无法暴露，只有在真实链路中才会显现。

解决方案：

• 强制推行 SDK 版本白名单，所有服务必须使用workrun-approved-sdk列表中的版本；
• 在 CI 流程中加入span-linkage-validator步骤：用模拟流量测试服务的 span 关联能力，验证parent_span_id的格式和传递正确性；
• 为 collector 增加“宽松关联”模式：当parent_span_id格式错误时，尝试用workrun.trace_id+ 时间窗口（±500ms）进行模糊匹配，作为兜底方案。

5.4 问题：Evaluation 规则 CPU 占用飙升，collector 出现背压

现象：新增一条复杂的search.rank.compute.v3规则后，OTLP collector 的 CPU 使用率从 30% 暴涨到 95%，吞吐量下降 60%。

排查过程：

• 第一步：profile collector 进程，发现 80% 的 CPU 时间消耗在dsl_evaluator.evaluate()方法；
• 第二步：分析规则 DSL，发现stability_score公式中嵌套了 4 层函数调用，且其中idempotency_hit_rate是一个需要实时聚合计算的指标；
• 第三步：检查 collector 的 metrics，发现该规则的evaluation_duration_msP95 值高达 120ms，远超 20ms 的 SLA。

根因：Evaluation 规则被设计为“实时计算”，但复杂的公式和实时聚合，在高并发下会成为性能瓶颈。Workrun 的设计原则是“计算下沉”，即尽可能把计算放在数据生成端（service），而不是消费端（collector）。

解决方案：

• 将idempotency_hit_rate的计算逻辑移到 service 端，作为 span 的一个 attributes 上报；
• 重写 DSL，用预计算的idempotency_hit_rate替代实时聚合；
• 为 collector 增加规则执行熔断机制：当单条规则的evaluation_duration_msP95 > 50ms，自动降级为异步执行，并告警通知规则作者优化。

5.5 问题：your 30-day evaluation period has ended提示频繁出现，但未部署 Evaluation 服务

现象：前端应用频繁弹出your 30-day evaluation period has ended提示，但后端根本没有部署任何 Evaluation 服务，Telemetry 数据也一切正常。

排查过程：

• 第一步：检查前端代码，发现一个被遗忘的evaluation-sdk.min.js脚本，版本为v1.0.0-beta；
• 第二步：分析该脚本，发现它是一个过期的 A/B 测试 SDK，其内置了一个硬编码的 30 天试用期检查逻辑；
• 第三步：确认该脚本已被业务团队弃用，但未从构建产物中移除。

根因：前端 SDK 的生命周期管理失控。一个过期的、与 Workrun 无关的 SDK，因其内部的试用期逻辑，污染了用户界面。这提醒我们：Workrun 的 Evaluation 不仅指后端规则引擎，也包括所有参与 Telemetry 数据生成和消费的客户端组件。

解决方案：

• 建立workrun-sdk-registry，所有前端 SDK 必须在此注册，包含版本、用途、维护状态；
• 在 CI 流程中加入sdk-integrity-check，扫描构建产物中的 JS 文件，比对 registry，发现未注册或已废弃的 SDK 自动失败构建；
• 为所有 SDK 添加统一的workrun-sdk-healthcheck接口，前端可定期调用，验证 SDK 状态。

这些问题没有一个是“理论上不可能发生”的，它们都真实地、顽固地存在于每一次 Workrun 实践的落地现场。解决它们，靠的不是更炫酷的技术，而是对契约精神的坚守——每一个 span 的生成，每一次 OTLP 的传输，每一条 Evaluation 规则的编写，都在履行一份关于“运行事实”如何被诚实记录、“回归证据”如何被严谨生成的承诺。