TraceWise 处理的是一个常被低估的问题：当 AI 系统的结果不可靠时，失败通常不属于某一条日志，也不只属于模型。上下文、工具、图关系、版本和人工决定共同组成了原因。
产品问题
逐条翻日志能找到症状，却很难回答“这次结论用了哪些证据”“哪个版本下成立”“谁批准了修正”“后来发生变化时是否仍然有效”。TraceWise 把这些问题放进同一条可解释分析路径。
产品闭环
用户从项目和运行记录进入，检索相关证据，组装受约束上下文，执行子图分析，再将建议交给人审。ReviewDecision 不是一个静态标签：它绑定证据和版本，并拥有接受、拒绝、失效与恢复的生命周期。
受控分析而非自治编队
Planner、Verifier、Persona 是串行、可解释的子图分析职责。它们帮助拆解问题、核对证据和切换分析视角，但不应该被包装成彼此自治的 Multi-Agent 系统。
与 Agent Foundation 的边界
TraceWise 持有产品工作台、任务语义、分析流程和用户决策。Agent Foundation 提供可复用的上下文、记忆、证据、关系和审核契约。接入平台不意味着产品把自己的控制面交出去。
当前边界
正式材料已经覆盖系统架构、端到端流程、权限切换、证据血缘与恢复语义。尚未成立的部分同样明确：逻辑 graph_id 不是租户隔离；快照导入不是完整备份或灾难恢复；代码确认也不能替代生产部署验证。
