一句话定义：轨迹（Trajectory）是智能体（Agent）从接到任务到任务结束之间，按时间顺序完整记录下来的一串"状态—动作—反馈"序列，在工程和训练语境里也常叫 Rollout（把一步一动实际"跑"一遍）。
打个比方：剧照 vs 电影
监督学习（Supervised Learning）像看剧照：给一张图，标一个答案。强化学习（Reinforcement Learning）不行，它得看完整部电影——因为一个动作好不好，往往要看到后面才知道。
比如一个订票智能体，用户说"帮我订下周三去上海最便宜的票"。它依次做了：读日历 → 搜航班 → 比价 → 挑一班 → 填乘机人 → 请求确认 → 下单。中间可能价格刷新了、接口报错了、它重试了一次。这一整串动作，加上每一步看到的环境变化和最后拿到的结果反馈，合起来就是一条轨迹。
轨迹有个很别扭的特点：奖励常常只在结尾出现。票订对了 +1，订错了 −1，但错误可能出在第三步的比价上。到底该给哪一步记功、哪一步记过？这就是"信用分配"（Credit Assignment）问题，也是强化学习算法真正要解决的事。
和相邻概念的区别
| 概念 | 是什么 | 关系 |
|---|---|---|
| 单步 / Transition | 一个四元组：状态、动作、奖励、下一个状态 | 轨迹的最小单元 |
| 轨迹 / Trajectory | 若干单步按时间顺序连成的一整串 | 真正的训练样本 |
| 回合 / Episode | 一次从开始到终止的完整交互，结束会重置环境 | 一条轨迹通常就是一个回合的记录，但"轨迹"更强调数据本身 |
| 经验回放 / Replay Buffer | 把大量轨迹存起来反复抽样 | 轨迹的仓库 |
严格说，Rollout 偏"跑一次、采一批数据"这个动作，Trajectory 偏指采出来的结果数据，实际工作里两者常混用。
为什么值得记住这个词
第一，训练的数据单位变了。 做微调是"输入—输出"对，做强化学习是轨迹。工程上必须把每一步的上下文、动作、工具返回、奖励完整落盘，否则没法复盘、没法复现。
第二，采样是最大的成本项。 一条轨迹动辄几十步模型调用加工具调用。所以"少采样、多复用"（经验回放、重要性采样这类手段）才那么重要。
第三，评测也得分过程看。 只看最终对不对，会掩盖过程里的毛病。不少团队会专门做过程奖励或轨迹级诊断，为的就是定位"是哪一步走歪了"。
对普通职场人也有用：当你让智能体跑长任务、结果翻车时，别只盯最后一步——回头把整条轨迹从头看一遍，问题常常出在中间某次搜索没搜到、某个工具调用参数错了。很多框架都支持查看完整轨迹，具体界面和字段以官方文档为准。