标签
Arize 博客文章介绍如何使用 Phoenix traces 和 LLM-as-a-judge 评测检测 AI 智能体中的间接提示注入，通过作用域防护栏阻止跨账户数据泄露，并利用 Arize AX 在线评测和告警监控注入率。
JudgmentLabs 面向长时间运行的智能体系统开放了其平台的通用访问权限，旨在挖掘丰富的智能体轨迹数据，以改进未来任务中智能体的部署方式。
Judgment Labs 开放通用访问，旨在帮助开发者从生产环境的 agent 追踪记录中整理测试数据集。该工具能挖掘 agent 追踪记录中的隐藏信号，例如用户的请求内容以及 agent 在哪些环节出现卡顿。
作者分享了数周以来使用 AI 智能体全天候监控生产系统的经验，指出需要让智能体理解系统、看到实际事件、访问代码并能验证证据，才能实现可信的自动化监控。
提出 LLMMAD，一种基于大语言模型的自回归多模态异常检测框架，用于微服务系统，通过模态专属重建头与预测驱动目标解决跨模态融合和身份捷径问题，并在三个真实数据集上取得最优 F1 提升。
Categorica 将一个原生 NGINX Prometheus 统计指标导出模块开源，无需单独的 sidecar 导出进程，即可直接在 NGINX 内部采集指标。
NVIDIA 发布 Minerva，一个面向 AI 工厂的 AIOps 平台，通过整合网络、GPU、存储与工作负载的遥测数据，并利用专用 AI 模型构建动态知识图谱，实现异常检测、故障预测与根因分析，帮助运营团队从被动响应转向主动维护，最大化 GPU 产能与正常运行时间。
一位从业者提出了一个常见的生产环境问题：底层操作失败时，AI 智能体却错误地报告任务已完成，并询问其他人在实际部署中如何验证智能体的输出。作者正在研究这一问题，并计划分享社区回答的汇总。
作者探索了 OpenTelemetry 与 AI 代理的结合，基于 OpenAI Agents SDK 构建了一个 NBA 演示应用，并接入 OTel 进行追踪和指标采集，同时讨论了当前标准仍在发展中所带来的取舍（如防护机制尚未获得可观测性支持）。
Arize Phoenix evals (TS) 现在支持在决策模型上运行任意分类评估器（例如通过 OpenAI Decisions API 调用的 gpt-6-luna），每个选项都会返回标签和概率，且每次调用都会被追踪为一个决策 span。
文章探讨了 AI agent 系统中「任务完成」信号不可靠的问题，并提出三层验证框架——回执、读回校验和独立检查——以证据驱动的方式定义何为真正的完成。
MIT 公开课 6.S950 Agency with AI 第 5 讲讲义更新，用一个约 300 行的教学 Agent 讲解 Harness 的可观测性、可控性原则以及需要多少 Harness 的问题。
一场讨论认为，在生产环境运行 AI Agent 的关键更多在于持久化执行、状态恢复以及外部操作的正确完成，而非改进 LLM 本身，并介绍了 Diagrid Catalyst 的思路。
BEACON 提出一个融合多模态可观测数据（指标、日志、依赖图）的云系统异常检测框架，通过动态多模态聚合器和异步时空传播器，在三个真实数据集上超越现有最优方法。
Ramp 详细介绍了其内部构建的 Laminar 智能体平台，提供对话历史存储、会话压缩、工具调用接口、消息队列与转向、子智能体、多人聊天及可观测性等功能，首个版本由智能体在六周内生成代码完成。
neatroots 是一款开源、本地优先的应用，面向构建 AI agent 的开发者，提供链路收集、运行检查、多种运行视图和重放控制，用于调试和改进 agent 运行。它通过 MCP 工具与编码 agent 集成，并支持 OpenTelemetry 及多种链路输入方式。
一位经验丰富的后端/分布式系统工程师认为，AI 智能体在生产环境中的故障通常源于管道层面的问题——非幂等的工具调用、缺失的审批步骤、无上限的成本以及糟糕的状态持久化——而不是模型本身的局限，并分享了实用的加固技巧。
一个 MIT 许可的 CLI 工具 chewme-audit 用于审计 Agent 轨迹导出文件，检测 token 浪费情况。它在 73 条公开基准测试轨迹中发现 74% 存在浪费，支持按各提供商定价计算，并提供可直接复制粘贴的修复方案，在实际运行中将 token 浪费最高降低了 77%。
一场关于上下文的演讲，主张大多数开发者从事的是“信息编程”而非机制编程：静态类型适合人造的、内部的机制，而面向外部世界的大型系统必须是动态的、灵活的、可观测的，并阐述了 Clojure 的信息导向方法。
Netflix 介绍了其在超大规模基础设施上构建端到端知识图谱（本体驱动的可观测性）的实践，通过统一 MELT（指标、事件、日志、追踪）数据层并显式记录系统实体间关系，将典型故障根因排查时间从约 4 小时显著缩短。