长时程智能体（如自动编码代理）执行数千个动作，其故障往往是顺序蔓延而非孤立错误。针对此类场景中的问责、因果追溯和第三方验证问题，论文提出“Agent Flight Recorder”（AFR）：一种面向工具使用型智能体的防篡改审计追踪系统。该系统将智能体的每次操作捕获为一个结构化、规范化序列化的事件，包含从意图到执行至来源的八个语义字段，并通过哈希链与 Merkle 批处理实现篡改证据与紧凑的包含证明。为支持跨组织争议场景且不依赖任何一方的基础设施作为中立仲裁，AFR 定期将纪元根的哈希锚定到区块链上，使任何验证者都能借助公开的载荷和 Merkle 证明独立核验记录，而无需信任第三方中介。链上仅存储 32 字节的纪元根和回指针，事件本体不触碰链。实验基于合成智能体工作负载，评估了五种累积消融配置。结果表明：完整系统每次事件引入的中位延迟仅为约 48 微秒，每事件额外存储 512 字节；在 100 事件纪元的 L2 链上锚定成本约为每 10 万事件 2.30 美元。安全性方面，完整完整性栈可 100% 检测编辑、删除、重排序和分叉类篡改，且零误报。结构化取证查询在护栏（guardrail）与委派（delegation）审计上达到 1.0 的精确率，而对应的非结构化文本检索精确率仅为 0.013 和 0.077。该研究为高水平、可验证的智能体审计提供了新思路，适合对人工智能安全、审计与合规感兴趣的工程师和研究者阅读。