Oodle.ai - 每百万Agent追踪仅需10美元
摘要
Oodle在Hacker News上推出Agent可观测性服务，提供每百万跨度10美元的Agent追踪，帮助AI原生团队检测静默失败并提高可靠性。
AI原生团队正以极快速度交付Agent体验，但可靠性尚未跟上。Agent会以不可预测的方式失败，例如静默工具错误、幻觉以及虚假的“我已完成”消息。
• 全保真跨度对于检测生产环境中Agent的失败至关重要。
• 静默失败需要主动标记。
• 跨数百万LLM跨度的搜索必须快速。
在平衡预算的同时解决这些问题，是一项艰巨的任务。为此，我们很高兴在Hacker News上推出Agent可观测性服务。
• Agent追踪：每百万跨度10美元
• 即开即用的洞察——分析每条追踪
• 快速搜索追踪记录——包括提示词、工具调用、元数据
Oodle为AI原生团队提供可见性，从第一天起就能捕捉静默Agent失败并提高可靠性——成本约为每百万跨度10美元。
您在维护生产环境中的AI方面有什么经验？AI可观测性是一个快速发展的领域，我们很想听听您的看法。
相似文章
OpenObserve 的 AI 可观测性
OpenObserve 推出了一个 AI 原生的开源可观测性平台，旨在追踪 AI 代理和大型语言模型 (LLMs)，为开发者提供关于性能、成本和质量的详细洞察。
AI Agent智能工具 - 事件调试与成本突增检测
构建一个用于AI Agent事件调试和成本突增检测的工具，无需额外检测工具，涵盖提示注入、推理循环、数据泄露等问题。询问生产环境中的客户，这是否是一个值得付费的痛点。
使用代理来解析代理跟踪
本文介绍了利用 Databricks Genie 通过自然语言查询 MLflow 代理跟踪，使非 SQL 用户能够分析代理性能指标，如延迟和错误。
因为失控的 agent 浪费几百美元 API 额度，基本上已经成为一种入门仪式了。这是我的经历。
我现在开始觉得这是一种共同经历了。我认识的所有构建 agentic AI 的人，git 历史深处都藏着同样的悄悄话：那个让 agent 无人看管跑了一整个周末的经历、周一收到的账单、试图弄清楚它到底做了什么的取证工作。我的经历是两天内花了 400 多美元。我的 agent 对着同一个研究任务换着法子自言自语了 48 小时，结果什么都没产出。感觉就像被一个非常有礼貌的 Phi
@yoheinakajima：与 @agnostai 一起充分利用您的代理跟踪信息
Agnost AI 推出了其首个模型 agnost-*******-0.1，该模型基于客户的生产跟踪数据训练，在任务成功率上提升了 22.9%，并在某些指标上减少了 90.2%。