tracing

LangChain 推出了 Engine，它通过读取 traces 和代码仓库来了解你的 Agent 的工作原理，然后针对 Agent 特有的薄弱环节进行测试，例如幻觉和系统提示词违规，并返回一份已验证的问题清单，供你在这些问题影响用户之前加以修复。

作者讨论了调试AI代理评估失败时的常见挑战，寻求关于高效调查方法以及比较运行与其他证据来源可靠性的见解。

这篇文章讨论了在使用AI agent traces时的常见错误，并提供了正确实施的建议。

LangChain 在 LangSmith 中引入 Trajectories，这是一种按时间顺序查看代理会话的视图，通过聚合来自人类、AI 和工具的消息来简化调试，以便更容易地导航和分析。

本文探讨了运行多个AI代理时常见的挑战，如调试、状态管理和成本，并邀请社区分享在生产环境中的实际经验。

Enzo Health 在符合 HIPAA 的医疗环境中使用 LangSmith 跟踪和评估其临床 AI 管道，公司正在招聘工程师以推动临床工作流程中的 AI 应用。

Clay 展示了如何将 LangSmith 追踪集成到其基于 Vercel AI SDK 构建的代理框架中，只需一行代码即可完成。

Phoenix 现已支持 Google's Agent Development Kit for Java，无需修改代理代码即可追踪和丰富 OpenTelemetry spans。

LangChain 已在他们的 LangSmith 精要课程中添加了一个结业项目，为在 AI 智能体工程中实践调试和追踪技能提供更多机会。

作者创建了一个名为buildprof的开源构建分析器，以可视化软件在Linux上编译过程中时间花费的位置，其灵感来源于Bun的编译时间改进。

文章强调了 Python 包 'wrapture' 作为猴子补丁、测试和可观测性不可或缺的工具，尽管仍处于 alpha 阶段，但教程和潜力都在增长。

用户探讨了在生产环境中调试AI代理系统的策略，当所有指标都显示成功但结果不正确时，如何收集证据和进行诊断，并向社区寻求建议。

ArizePhoenix 发布了一个更新，自动搜索重复项，草拟带有链接 traces 和 spans 的 GitHub 问题，并使用安全的浏览器端 GitHub 令牌进行提交。

LangChain Academy 推出一门关于 LangSmith Essentials 的免费课程，教授用于代理工程的 LangSmith 平台的要点，包括跟踪、调试和部署。

介绍 wrapture，一个全新的 Python 库，用于 monkeypatching、测试和追踪，支持 OpenTelemetry，并且其开发完全由 AI 辅助。

Epiq 是一款分布式、Git原生的问题追踪器，能够按需重放状态以审计和追踪代理工作流，解决了多代理环境中的关键挑战。

LangSmith 显示 PodiumHQ 的 AI 代理基于上下文理性行事，与最初认为坏了的看法相反。首席软件工程师 Walker Ward 讨论了端到端追踪代理推理。

文章探讨了一个名为agentuptime的早期概念，它通过独立检查结果来验证AI代理的操作，以确保代理的完成声明与外部系统的实际状态相符。

TraceMotive v0.2.0，一个本地AI代理调试工具，已经发布，带来了持久化存储、一键启动和跟踪比较功能等改进，解决了初始版本的反馈。

OpenObserve 是一个基于 Rust 的开源可观测平台，支持日志、指标、链路追踪和 RUM，存储成本比 Elasticsearch 低 140 倍，单文件即可部署，是 Datadog 的开源替代方案。