LlamaIndex框架
观测功能支持通过Python探针对LlamaIndex智能体进行观测，Python探针是华为云AgentArts产品自研的Python语言的可观测采集探针，其基于OpenTelemetry标准实现了自动化埋点能力。
本章节针对使用LlamaIndex框架开发的第三方智能体应用，通过Python探针实现自动化埋点和数据上报。
前提条件
- Python 环境版本 >= 3.9
- LlamaIndex版本 >= 0.10.0。
探针初始化需要在应用启动时完成，建议在导入LlamaIndex模块之前初始化。
框架介绍
LlamaIndex是一个面向大语言模型应用开发的数据框架，提供了Agent编排、工作流（Workflow）、检索增强生成（RAG）、工具集成等能力，帮助开发者快速搭建复杂的LLM应用。
接入后，以下能力将被自动监控：
- Agent执行链路（invoke_agent）：Agent回合的完整生命周期。
- 推理步骤（react step）：每轮"模型推理 + 工具调用"的详细过程。
- LLM调用（chat）：模型名称、Token用量、输入/输出内容、流式响应的首Token时延（TTFT）和Token间时延（TBT）。
- 工具调用（execute_tool）：工具名称、输入参数、返回结果。
- 工作流执行链路（workflow/execute_task）：工作流各环节的执行过程。
- RAG检索链路：检索（retrieve，含召回属性）、嵌入（embed step，含模型名/向量维度）、合成（synthesize）。
下载探针
接入AgentArts观测功能需要以下文件，请提前下载到目标机器的同一个目录下：
| 文件 | 说明 |
|---|---|
| 探针文件（Python wheel安装包，用于pip安装） | |
| 一键部署脚本（跨平台，Windows/Linux通用） | |
| 环境变量部署脚本（Windows用） | |
| 环境变量部署脚本（Linux用） |
上表中的文件名含通配符*，实际下载的文件会包含具体版本号，部署时请使用实际文件名。
下载完成后，建议将文件统一放在一个目录中（如llama_probe_verify/），后续操作均在该目录下执行。
步骤一：获取接入参数
- 登录AgentArts 智能体平台。
- 在左侧导航栏选择“观测与优化 > 观测”。
- 在“智能体列表”页面，单击“接入智能体”，按照页面指引填写名称、智能体类型，创建一个“LlamaIndex”框架的智能体，并获取各配置参数。 图1 获取配置参数
步骤二：安装探针方式一，一键部署
LlamaIndex探针提供两种安装部署方式，本节介绍使用方式一进行安装：
- 方式一（推荐）：一键部署，通过install.py脚本传入命令行参数，自动完成探针安装和配置写入。适用于常规部署场景。
- 方式二：环境变量部署，先在当前会话中设置环境变量，再执行install_env.ps1（Windows）或install_env.sh（Linux）完成安装。适用于配置由外部系统注入环境变量的场景。
两种方式的最终效果完全一致：安装探针whl包 + 生成~/.llama-index-metrics/config.json配置文件。
进入下载探针中下载探针文件的目录，install.py是跨平台Python脚本，Windows / Linux均用同一脚本，参数与行为完全一致。执行install.py后，脚本会自动完成以下操作：
- 校验whl文件是否存在。
- 第1次执行pip install --force-reinstall --no-deps：只强制重装探针whl本身，不碰依赖。
- 第2次执行pip install（不带force）：补装缺失依赖，已存在的组件自动跳过（不强制重装、不覆盖已有版本）。
- 检查是否已安装llama-index，未安装时自动执行pip install llama-index，已安装则跳过。
- 生成~/.llama-index-metrics/config.json配置文件（携带参数注入，JSONC注释模板）。
- Windows路径：C:\Users\<用户名>\.llama-index-metrics\config.json
- Linux路径：/home/<用户名>/.llama-index-metrics/config.json
- 提示三种启动方式（见步骤三：启动应用）。
- Linux下额外添加+x权限（首次执行后即可./install.py直接运行）。
Windows环境（PowerShell）
- 进入探针文件所在目录。
cd <探针文件所在目录>
- 执行安装命令，将参数替换为步骤一：获取接入参数中获取的实际值。
PowerShell（用反引号`续行，或写成一行）：
python install.py --whl *_opentelemetry_instrumentation_llama_index-*.whl --agent-id <Agent_ID> --domain-id <Domain_ID> --project-id <Project_ID> --endpoint <APM_Endpoint:4317> --token <APM_Token> --aom-endpoint <AOM_Endpoint:4317> --aom-access-code <AOM_Access_Code> --aom-prometheus-id <Prometheus_ID> --resource-type agent
*_opentelemetry_instrumentation_llama_index-*.whl为通配符，实际使用时替换为真实的whl文件名。
表2 install.py参数说明 参数
是否必填
说明
--whl
是
探针wheel文件路径，请按下载探针实际获取的探针填写。
--agent-id
是
智能体ID。
--domain-id
是
账号domain ID。
--project-id
是
华为云项目ID。
--endpoint
是
APM数据上报地址。
--token
是
APM接入凭证Token。
--aom-endpoint
是
AOM数据上报地址。
--aom-access-code
是
AOM接入凭证Access Code。
--aom-prometheus-id
是
AOM Prometheus实例ID
--resource-type
是
智能体类型：agent（单智能体）、multiagents（多智能体）、workflow（工作流）。
- 执行完毕后，确认安装结果：
- 探针whl已安装到Python的site-packages，执行pip show huaweicloud-opentelemetry-instrumentation-llama-index可验证。
- 配置文件生成在C:\Users\<用户名>\.llama-index-metrics\config.json。
- 日志目录在C:\Users\<用户名>\.llama-index-metrics\data\logs\plugin-YYYY-MM-DD.log。
Linux环境（bash / sh）
- 进入探针文件所在目录。
cd <探针文件所在目录>
- 执行安装命令，将参数替换为步骤一：获取接入参数中获取的实际值。
python3 install.py \ --whl *_opentelemetry_instrumentation_llama_index-*.whl \ --agent-id <Agent_ID> \ --domain-id <Domain_ID> \ --project-id <Project_ID> \ --endpoint <APM_Endpoint:4317> \ --token <APM_Token> \ --aom-endpoint <AOM_Endpoint:4317> \ --aom-access-code <AOM_Access_Code> \ --aom-prometheus-id <Prometheus_ID> \ --resource-type agent
*_opentelemetry_instrumentation_llama_index-*.whl为通配符，实际使用时替换为真实的whl文件名。
首次执行后install.py自动获得+x权限，后续可直接./install.py运行。
表3 install.py参数说明 参数
是否必填
说明
--whl
是
探针wheel文件路径，请按下载探针实际获取的探针填写。
--agent-id
是
智能体ID。
--domain-id
是
账号domain ID。
--project-id
是
华为云项目ID。
--endpoint
是
APM数据上报地址。
--token
是
APM接入凭证Token。
--aom-endpoint
是
AOM数据上报地址。
--aom-access-code
是
AOM接入凭证Access Code。
--aom-prometheus-id
是
AOM Prometheus实例ID
--resource-type
是
智能体类型：agent（单智能体）、multiagents（多智能体）、workflow（工作流）。
- 执行完毕后，确认安装结果：
- 探针whl已安装到Python的site-packages，执行python3 -m pip show huaweicloud-opentelemetry-instrumentation-llama-index可验证。
- 配置文件生成在/home/<用户名>/.llama-index-metrics/config.json。
- 日志目录在/home/<用户名>/.llama-index-metrics/data/logs/plugin-YYYY-MM-DD.log。
步骤二：安装探针方式二，环境变量部署
LlamaIndex探针提供两种安装部署方式，本节介绍使用方式二进行安装：
- 方式一（推荐）：一键部署，通过install.py脚本传入命令行参数，自动完成探针安装和配置写入。适用于常规部署场景。
- 方式二：环境变量部署，先在当前会话中设置环境变量，再执行install_env.ps1（Windows）或install_env.sh（Linux）完成安装。适用于配置由外部系统注入环境变量的场景。
两种方式的最终效果完全一致：安装探针whl包 + 生成~/.llama-index-metrics/config.json配置文件。
环境变量部署适用于配置由外部系统注入环境变量的场景。先在当前会话中设置环境变量，再执行部署脚本将环境变量写入config.json。部署脚本（install_env.ps1 / install_env.sh）会自动完成以下操作：
- 校验whl文件是否存在。
- 第1次执行pip install --force-reinstall --no-deps：只强制重装探针whl本身。
- 第2次执行pip install（不带force）：补装缺失依赖，已存在的组件自动跳过。
- 检查是否已安装llama-index，未安装时自动安装。
- 验证whl已安装（pip show版本对比）。
- 读取当前会话的环境变量，写入~/.llama-index-metrics/config.json。
- 打印缺失的环境变量（WARN提示，不阻断执行）。
- 提示三种启动方式（见步骤三：启动应用）。
Windows部署（PowerShell）
- 刷新环境变量（每次打开新窗口都要执行）。将值替换为步骤一：获取接入参数中获取的实际值。
$env:agentarts_agentops_otel_agent_apm_enable="true" $env:agentarts_agentops_otel_agent_aom_enable="true" $env:agent_domain_id="<Domain_ID>" $env:agentarts_project_id="<Project_ID>" $env:agent_resource_id="<Agent_ID>" $env:resource_type="agent" $env:agentarts_agentops_apm_token="<APM_Token>" $env:agentarts_agentops_apm_exporter_endpoint="<APM_Endpoint:4317>" $env:agentarts_agentops_aom_access_code="<AOM_Access_Code>" $env:agentarts_agentops_aom_exporter_endpoint="<AOM_Endpoint:4317>" $env:agentarts_agentops_aom_prometheus_id="<Prometheus_ID>"
- 进入探针文件所在目录，执行部署脚本。
cd <探针文件所在目录> powershell -ExecutionPolicy Bypass -File install_env.ps1 -Whl *_opentelemetry_instrumentation_llama_index-*.whl
*_opentelemetry_instrumentation_llama_index-*.whl为通配符，实际使用时替换为真实的whl文件名。
- 执行后验证。
# 查看config.json内容 type C:\Users\<用户名>\.llama-index-metrics\config.json # 确认探针已安装 python -m pip show huaweicloud-opentelemetry-instrumentation-llama-index
Linux部署（bash / sh）
- 刷新环境变量（每次打开新终端都要执行）。将值替换为步骤一：获取接入参数中获取的实际值。
export agentarts_agentops_otel_agent_apm_enable=true export agentarts_agentops_otel_agent_aom_enable=true export agent_domain_id=<Domain_ID> export agentarts_project_id=<Project_ID> export agent_resource_id=<Agent_ID> export resource_type=agent export agentarts_agentops_apm_token=<APM_Token> export agentarts_agentops_apm_exporter_endpoint=<APM_Endpoint:4317> export agentarts_agentops_aom_access_code=<AOM_Access_Code> export agentarts_agentops_aom_exporter_endpoint=<AOM_Endpoint:4317> export agentarts_agentops_aom_prometheus_id=<Prometheus_ID>
- 进入探针文件所在目录，执行部署脚本。
cd <探针文件所在目录> sh install_env.sh *_opentelemetry_instrumentation_llama_index-*.whl
*_opentelemetry_instrumentation_llama_index-*.whl为通配符，实际使用时替换为真实的whl文件名。
- 执行后验证。
# 查看config.json内容 cat $HOME/.llama-index-metrics/config.json # 确认探针已安装 python3 -m pip show huaweicloud-opentelemetry-instrumentation-llama-index
步骤三：启动应用
无论通过方式一（一键部署）还是方式二（环境变量部署）完成安装，启动方式完全相同。
探针安装完成后，提供三种启动方式，可任选其一。
以下命令中的app.py为您的LlamaIndex应用入口文件，可参考本文档示例代码章节编写一个完整的Agent应用。
方式1：opentelemetry-instrument（推荐，零代码侵入）
opentelemetry-instrument python app.py
启动器自动装配：读entry point → 设置环境变量 → 读取config.json建立Provider → 注册回调/patch Workflow.run → 然后执行业务代码。无需修改任何业务代码。
方式2：sitecustomize.py（交互式场景使用）
opentelemetry-instrument在Windows Git Bash下stdin有兼容问题，交互式（input）场景建议用sitecustomize方式：
- 创建sitecustomize.py文件（放在任意PYTHONPATH目录下）：
cat > sitecustomize.py <<'EOF' from opentelemetry.instrumentation.huawei_llama_index import auto_instrument auto_instrument() EOF
- 指定PYTHONPATH后用python直接启动（不用opentelemetry-instrument）：
# Windows（PATH分隔符;） set PYTHONPATH=%CD%;%CD%\examples && python app.py # Linux / Git Bash（PATH分隔符:） PYTHONPATH="$PWD:$PWD/examples" python app.py
方式3：业务代码手动调用
在业务代码中手动调用初始化函数，在应用入口文件的开头添加：
from opentelemetry.instrumentation.huawei_llama_index import auto_instrument auto_instrument()
步骤四：验证数据上报
应用启动并产生调用后，可通过日志和AgentArts平台确认数据上报是否成功。
日志确认
探针运行日志位于以下路径：
- Windows：C:\Users\<用户名>\.llama-index-metrics\data\logs\plugin-YYYY-MM-DD.log
- Linux：/home/<用户名>/.llama-index-metrics/data/logs/plugin-YYYY-MM-DD.log
# 查看日志文件是否存在 ls ~/.llama-index-metrics/data/logs/plugin-*.log # 确认APM/AOM上报是否成功 grep -E "export SUCCESS|export FAILED" ~/.llama-index-metrics/data/logs/plugin-*.log
日志中出现APM (Traces) export SUCCESS和AOM (Metrics) export SUCCESS表示数据上报成功。
AgentArts平台确认
登录AgentArts智能体平台，在“观测与优化 > 观测”页面中找到已接入的智能体，查看各指标与会话数据。
配置参数说明
探针安装后，配置集中在~/.llama-index-metrics/config.json中（Windows路径：C:\Users\<用户名>\.llama-index-metrics\config.json，Linux路径：$HOME/.llama-index-metrics/config.json）。一键部署由install.py自动生成，环境变量部署由install_env.*脚本写入。
探针启动时按以下优先级读取配置：config.json otel段 > 环境变量（同名key）> 默认值。
- 环境变量key与config.json otel段key完全同名。
- 部署脚本做的事：把当前会话的环境变量（11个key）读出来 → 写入config.json的otel段。
- 探针启动时读到同一位置的config.json，配置生效。
| 环境变量 / config.json字段 | 是否必填 | 默认值 | 说明 |
|---|---|---|---|
| agentarts_agentops_otel_agent_apm_enable | 是 | true | 是否启用APM调用链上报。 |
| agentarts_agentops_otel_agent_aom_enable | 是 | true | 是否启用AOM指标上报。 |
| agent_domain_id | 是 | - | 账号domain ID。 |
| agentarts_project_id | 是 | - | 华为云项目ID。 |
| agent_resource_id | 是 | - | 智能体ID。 |
| resource_type | 是 | - | 智能体类型：agent（单智能体）、multiagents（多智能体）、workflow（工作流）。 |
| agentarts_agentops_apm_token | 启用APM时必填 | - | APM接入凭证Token。 |
| agentarts_agentops_apm_exporter_endpoint | 启用APM时必填 | - | APM数据上报地址。 |
| agentarts_agentops_aom_access_code | 启用AOM时必填 | - | AOM接入凭证Access Code。 |
| agentarts_agentops_aom_exporter_endpoint | 启用AOM时必填 | - | AOM数据上报地址。 |
| agentarts_agentops_aom_prometheus_id | 启用AOM时必填 | - | AOM Prometheus实例ID。 |
示例代码
以下示例展示了一个基于LlamaIndex的ReAct Agent应用，包含工具调用和多轮问答：
前提条件
- LlamaIndex框架（pip install llama-index，探针部署脚本会自动安装）。
- 已安装LlamaIndex探针并完成配置，详细操作详见接入步骤。
- 示例中使用华为云MaaS服务提供的大模型接口，可登录华为云MaaS服务控制台，创建API Key。
示例代码
将以下代码保存为app.py。
from llama_index.core.agent import ReActAgent
from llama_index.core.tools import FunctionTool
from llama_index.llms.openai import OpenAI
# 定义工具函数
def search_product(keyword: str) -> str:
"""根据关键词搜索华为云产品信息"""
products = {
"ECS": "弹性云服务器，提供安全可靠、弹性伸缩的云服务器，支持多种规格按需选购",
"RDS": "关系型数据库服务，支持 MySQL/PostgreSQL/SQL Server，提供高可用和自动备份",
"OBS": "对象存储服务，海量、安全、高可靠的云存储，适用于数据湖、备份归档等场景",
}
return products.get(keyword.upper(), f"未找到 '{keyword}' 相关产品")
def get_product_usecase(service_name: str) -> str:
"""查询华为云产品的典型使用场景"""
usecases = {
"ECS": "适用场景：Web应用托管、开发测试环境搭建、企业应用迁移上云、高性能计算任务",
"RDS": "适用场景：电商交易系统、金融业务数据库、企业ERP/CRM系统、移动应用后端存储",
"OBS": "适用场景：静态网站托管、大数据分析存储、备份与归档、音视频内容分发",
}
return usecases.get(service_name.upper(), f"暂无 '{service_name}' 的场景信息")
# 创建工具
search_tool = FunctionTool.from_defaults(fn=search_product)
usecase_tool = FunctionTool.from_defaults(fn=get_product_usecase)
# 创建LLM实例（使用华为云MaaS OpenAI兼容接口）
llm = OpenAI(
model="deepseek-v4.1-flash",
base_url="https://api.modelarts-maas.com/openai/v1",
api_key="<MODEL_API_KEY>", # 替换为在华为云MaaS控制台申请的API Key
)
# 创建Agent
agent = ReActAgent.from_tools([search_tool, usecase_tool], llm=llm)
# 运行Agent
response = agent.chat("帮我介绍一下ECS和OBS，以及它们分别适合用在哪些场景？")
print(response) 在配置好环境变量的终端中执行以下命令，通过探针启动应用：
opentelemetry-instrument python app.py
探针会自动采集Agent执行链路中的所有LLM调用、工具调用等数据，无需修改任何业务代码。
查看监控数据
数据上报成功后，可在 AgentArts 智能体平台的观测功能中查看监控数据。
- 登录AgentArts 智能体平台。
- 在左侧导航栏选择“观测与优化 > 观测”。
- 在“智能体列表”页面，找到已接入的智能体，单击智能体名称进入详情页面。
查看业务指标
在“指标分析”页签中，可以查看关键业务指标：
- Tokens消耗：Input Tokens和Output Tokens的消耗总量
- 模型调用次数：应用调用大模型的累计次数
- 模型调用平均耗时：模型调用的平均响应时间
- 模型调用成功率：大模型调用成功的比例
- 会话数：应用产生的会话总数
- 响应成功率：服务响应的成功率
查看调用链信息
在“调用链分析”页签中，可以查看完整的Trace调用链路：
- 查看各Span类型的层级关系及各节点耗时
- 单击具体Span查看详细信息：
- LLM节点：可查看模型名称、输入/输出消息（Input/Output Messages）、Token消耗（Total tokens）
- Tool节点：可查看工具名称、输入参数、返回结果
- LangGraph节点：可查看图节点执行顺序、状态转换
查看会话分析
在“会话分析”页签中，可以查看智能体与用户对话的历史数据：
- 追踪对话上下文
- 分析模型响应耗时
- 统计Token消耗
- 快速定位对话异常问题
更多参考
传递session_id与user_id
在调用agent.invoke时，可通过OTel Baggage传递会话信息，传入session_id和user_id，探针自动关联到span用于会话分析和用户分析：
from opentelemetry.baggage import set_baggage
from opentelemetry import context as ctx_api
context = set_baggage("session_id", "session-01")
context = set_baggage("user_id", "llama_user", context)
token = ctx_api.attach(context)
try:
response = agent.chat("您好")
finally:
ctx_api.detach(token) - session_id：会话标识，用于关联同一会话内的多轮调用。
- user_id：用户标识，用于按用户维度统计和过滤。
控制内容采集
默认情况下，探针会采集LLM的输入/输出内容。如需关闭：
export captureMessageContent=false
代码手动插桩
如果无法使用opentelemetry-instrument命令自动插桩，也可以通过创建sitecustomize.py手动初始化：
import os
os.environ["OTEL_PYTHON_LOG_CORRELATION"] = "True"
os.environ["OTEL_PYTHON_LOG_LEVEL"] = "debug" # 设置日志级别，可根据情况调整
os.environ["OTEL_PYTHON_LOG_FORMAT"] = "%(asctime)s [%(levelname)s] [trace_id=%(otelTraceID)s span_id=%(otelSpanID)s] %(message)s"
import logging
from opentelemetry.instrumentation.logging import LoggingInstrumentor
root_logger = logging.getLogger()
root_logger.handlers.clear()
root_logger.setLevel(logging.DEBUG) # 设置日志级别，可根据情况调整
LoggingInstrumentor().instrument(
set_logging_format=True,
log_level=logging.DEBUG # 设置日志级别，可根据情况调整，确保 OTel 的 Handler 也接受对应日志级别
)
from opentelemetry.instrumentation.huawei_llama_index import auto_instrument
auto_instrument() 常见问题
探针未装配（无OTEL_PROBE日志）
应用启动后，探针运行日志目录（~/.llama-index-metrics/data/logs/）下没有生成plugin-*.log文件，日志中搜索不到OTEL_PROBE关键字，AgentArts观测页面也无任何数据。
产生该问题的原因是探针未被正确装配导致，常见原因包括：部署脚本未执行或执行失败、whl文件未成功安装到site-packages、whl的entry point未注册（导致opentelemetry-instrument启动器无法发现探针）、config.json中APM/AOM开关为false（默认值）。
- 执行pip show huaweicloud-opentelemetry-instrumentation-llama-index，确认探针已安装。如果未安装，说明部署脚本未执行或执行失败，请重新执行步骤二中的部署命令。
- 检查pip show输出中是否包含entry point信息。如果entry point缺失，opentelemetry-instrument启动器将无法自动装配探针，请重新执行部署脚本重装whl。
- 确认config.json（位于~/.llama-index-metrics/config.json）中agentarts_agentops_otel_agent_apm_enable和agentarts_agentops_otel_agent_aom_enable是否为true，默认值为true，表示不上报任何数据。如果为false，请修改为true或重新执行部署脚本并确保参数正确传入。
已经设置环境变量，但config.json为空
使用环境变量部署方式时，已设置环境变量但执行部署脚本后config.json内容为空或缺少otel段。产生原因是部署脚本（install_env.ps1 / install_env.sh）从当前会话的环境变量中读取配置并写入config.json。如果在执行脚本前未在同一会话中刷新环境变量，脚本读取不到配置，config.json将为空。环境变量仅在当前终端会话有效，每次打开新终端或新窗口都需要重新设置。
解决方案：确保在执行部署脚本的同一终端/窗口中先刷新环境变量，再执行部署脚本。具体操作见步骤二：安装探针方式二，环境变量部署。部署完成后执行cat ~/.llama-index-metrics/config.json确认otel段已写入。
报错ModuleNotFoundError: opentelemetry.instrumentation
启动应用时报错ModuleNotFoundError: No module named 'opentelemetry.instrumentation'，应用无法运行。
可以手动执行pip install opentelemetry-instrumentation opentelemetry-sdk opentelemetry-exporter-otlp补装依赖，或重新执行部署脚本。执行pip list | grep opentelemetry确认依赖是否完整。
交互式input卡死
应用包含input()等交互式输入操作时，使用opentelemetry-instrument启动后终端无响应，无法输入。
改用sitecustomize.py方式启动（见步骤三：启动应用 > 方式二），不使用opentelemetry-instrument命令。sitecustomize方式通过Python模块加载机制初始化探针，不影响stdin处理。
指标为空或为0
应用已正常运行并产生调用，但AgentArts指标分析页面中某些指标值为空或显示为0。
- 窗口内样本不足。AOM指标按时间窗口聚合，如果应用运行时间短或调用次数少，窗口内可能没有足够的样本数据。
- resource_type不匹配。创建智能体时选择的类型（agent/multiagents/workflow）必须与部署脚本中--resource-type参数或config.json中resource_type字段的值一致，否则指标无法正确关联到智能体。
RAG无conversation.id
使用RAG（检索增强生成）场景时，调用链中会话Span缺少conversation.id属性，导致AgentArts会话分析页面无法关联该会话。
建议使用最新版本的探针whl包，通过pip show huaweicloud-opentelemetry-instrumentation-llama-index检查版本，如版本过旧请重新部署最新whl。
重复部署不生效
重新执行部署脚本安装新版探针后，应用行为未发生变化，仍在使用旧版本探针。
确认执行部署脚本时--whl参数指向的是最新的whl文件。部署完成后执行pip show huaweicloud-opentelemetry-instrumentation-llama-index检查版本号是否已更新。如果仍未生效，执行pip uninstall huaweicloud-opentelemetry-instrumentation-llama-index卸载旧版本后再重新部署。
