会话分析面向 Agent 产品的业务观测与体验分析，核心目标是把单条消息、整段会话、执行链路和评估结果串成一条可分析、可下钻、可诊断的分析路径，同时提供会话满意度分析、情绪诊断功能，帮助 Agent 业务方快速定位用户问题。

会话列表以会话为核心观测单元，将消息内容、会话状态、Agent 执行链路、行为事件与评估打标结果聚合到同一视图中，便于从整体到细节的逐层分析。
会话列表支持按时间、会话 ID、会话状态等基础条件筛选，也支持基于属性、行为、用户分群进行组合过滤，并可将筛选条件保存为视图，便于团队复用固定分析口径。

对于单条会话，还可以查看逐轮消息、事件明细、Token 消耗、耗时与打标结果，形成一条完整的问题排查路径。

从使用价值看，会话列表承担三项作用：一是作为问题会话的检索入口，帮助快速圈定目标样本；二是作为单会话复盘页面，支撑定位异常轮次与异常事件。对异常原因、共性问题和优化方向做进一步诊断。

满意度分析关注会话结果层面的体验质量，该模块通过显性指标（点赞、点踩）和隐性指标（会话轮次、中断率等）构建综合评分，帮助业务方不依赖单一点赞或点踩，也能更系统地评估 Agent 的使用效果。
其核心机制是基于“基准分 + 加分项 - 扣分项”的评分模型：以基准分为起点，将点赞、采纳等正向因子计入加分，将点踩、中断、工具失败等负向因子计入扣分，并支持按 Agent 粒度配置不同权重与规则，以适配不同业务场景。
在分析层面，满意度分析不仅提供整体评分和趋势变化，还展示正负向指标构成、维度下的横向对比，以及围绕 Agent 版本、意图、用户分群等维度的下钻分析。因此，它更适合作为宏观监控与优先级排序工具，先识别“哪些会话失败了、失败率有多高、问题集中在哪些人群或场景”。

情绪诊断是满意度分析的“下钻诊断层”，关注的是会话过程而非最终结果。它重点回答“用户情绪如何变化、从哪一轮开始变差、为什么变差”，适合用于补足满意度评分无法解释的过程性问题。
该模块基于情绪评估器与评估任务，对会话级、轮次级情绪进行识别，并支持将情绪枚举值映射为正向、中立、负向；同时可结合属性、行为与分群规则定义高风险会话，进一步筛出值得重点关注的异常样本。
在结果呈现上，情绪诊断会展示正向、中立、负向和高风险会话占比、情绪趋势、留存影响、负面情绪 TOP 用户与高频负面模式聚类。相比满意度分析偏向“统计 + 对比”，情绪诊断更偏向“聚合 + 模式识别”，用于定位触发事件、归纳根因，并形成更具可执行性的体验优化方向。

• Model span下，只保 Output 部分，其余 Input 部分会被全部屏蔽。
• Skill span 节点细节（Run、Metadata）全部会被屏蔽，但是统计 Skill 大数等不会。
• 屏蔽 load_knowledge、submit_handoff 这两个Tool 节点数据的全部内容数据。