在 Effect 里替换默认 Logger/Tracer：为什么需要一个树状观测库
从 Effect 默认日志的结构可读性问题出发，讨论为什么树状观测库比单纯 formatter 更值得做，以及它如何贴合 Tracer 语义与终端调试场景。
在日本做面向普通用户的 AI 产品，关键不是更强的模型，而是更可靠的判断
日本 C 端 AI 产品更有机会解决的是判断、准备、漏损和解释成本，而不是继续强调模型能力本身。
从 Effect 默认日志的结构可读性问题出发，讨论为什么树状观测库比单纯 formatter 更值得做，以及它如何贴合 Tracer 语义与终端调试场景。
日本 C 端 AI 产品更有机会解决的是判断、准备、漏损和解释成本，而不是继续强调模型能力本身。