Claude Code 终于不再是黑盒了——这个插件能追踪 AI 编程的「全过程」

Claude Code 终于不再是黑盒了——这个插件能追踪 AI 编程的「全过程」

用 Claude Code 写代码最头疼的问题是什么？

不是你问的问题，是你不记得它怎么想到那个方案的。

Claude Code 跑完一整轮重构，你翻记录只看到最终代码，中间它读了什么文件、试了什么思路、为什么放弃了一条路——全靠脑补。团队协作时这个问题更明显：别人跑出来的结果你复现不了，因为不知道他当时问了什么、上下文是什么。

这就是 AI 编程的「可观测性」问题——而现在有解了。

trace-claude-code：把每一次对话都记录下来

这个开源插件（来自 Braintrust 团队）做的就一件事：自动把你每一次 Claude Code 对话完整记录到 Braintrust，包括：

• 完整会话结构（多轮对话层次）
• 每轮的工具调用（读了什么文件、跑了什么命令）
• 输入输出的 token 消耗

安装方式很简单，官方一条命令搞定：

claude plugin marketplace add braintrustdata/braintrust-claude-plugin
claude plugin install trace-claude-code@braintrust-claude-plugin

装完跑一次 setup 脚本授权项目，就能用了。每次 Claude Code 对话结束后，去 Braintrust 控制台就能看到完整的时间线追踪记录。

为什么说这个方向值得重视

trace-claude-code 背后是一个更大的趋势：AI 编程正在从「工具」变成「工作流」，而工作流就需要可观测性。

传统的代码调试有日志、有断点、有 git diff。AI 编程到目前为止几乎是黑盒——你只知道输入和输出，过程全靠猜。这个插件把 AI 编程拉到了和其他软件工程流程同等的可观测性水平。

这种能力的价值在三个场景下特别明显：

• 团队复现与 review：同事跑出来的 bug，可以直接看他的完整对话轨迹，比口头描述准确 100 倍
• Prompt 工程优化：哪类任务 Claude Code 容易走偏，看 trace 一目了然
• 成本控制：Braintrust 本身是 LLM 评测平台，天然带 token 用量统计

行业观察：可观测性是 AI 编程成熟度的标志

一个技术领域够不够成熟，往往看它有没有完整的可观测性体系。

传统软件：日志、监控、追踪，一整套。Kubernetes：Metrics、Logs、Traces老三套。AI 编程呢？长期以来几乎是空白。

trace-claude-code 及其背后的 Braintrust 生态，某种程度上是在给 AI 编程「补这门课」。当你能追踪每一次 AI 决策的过程，这个工具才算真正融入了正经的软件工程流程，而不是一个「偶尔用用看效果」的玩具。

GitHub 链接附上，3.3k stars，活跃维护，感兴趣可以去了解：

https://github.com/parcadei/trace-claude-code

GitHub: https://github.com/parcadei/trace-claude-code