你有没有经历过这种场景：AI代理安静地烧掉几千个令牌，处理完才发现中间卡了三趟岔路，却没留下一点痕迹？

市面上绝大多数可观测性工具都走云端方案——要么先注册账户，要么配好API密钥，然后把自己的提示词全打包送进别人的服务器。怎么看怎么别扭。

Joni Martin这两天开源了一个叫Lookspan的工具，思路正好反过来。它直接跑在你本机，所有数据都存进本地SQLite数据库，启动只需要在终端敲一行：

npx lookspan

没有任何注册流程，没有密钥配置，本地浏览器打开127.0.0.1:3100就能看到一个实时仪表盘。上面跑着追踪记录、跨度图、每个模型的费用明细、延迟百分位数，还带告警功能。

这套本地优先的方案，怎么把数据塞进去？它给了三条路。第一条最粗暴：直接用原生的HTTP POST请求，往127.0.0.1:3100/api/ingest端点扔JSON数据，什么语言都行。第二条走MCP协议，TypeScript开发者装个@lookspan/mcp包就行。第三条给Python生态准备的，支持LangGraph和CrewAI这类框架，也支持通用场景，pip install lookspan就装好。

更有意思的是，如果你已经在用OpenTelemetry做链路追踪，完全不需要额外安装Lookspan的SDK。把OTLP导出器的追踪端点指向127.0.0.1:3100/v1/traces，数据就直接进来了。简单说就是：不用换工具链，改个配置就能用。

目前项目还在v0.1早期阶段，采用MIT许可证，代码和路线图都放在GitHub上（JoniMartin27/lookspan仓库）。功能还很基础，但策略很清晰：不跟你在云上抢注意力，先把你本机开发调试的痒点挠到位。