Laminar — Open-Source Observability for AI Agents

简介

AI Agent 的开源可观测性平台：用 Docker Compose 自托管后，通过 SDK 采集 trace/指标/输出结果，支持端到端追踪、调试与对比评估，让 agent 的迭代从“感觉”变成可量化。

• 适合谁： 希望把 agent 的追踪与调试做成可复用能力，而不只靠零散日志的团队
• 可搭配： Docker Compose 自托管；在你的 agent 应用里接入 SDK
• 准备时间： 30–60 分钟

实战建议

• 量化建议：为每条工作流定义 3 个核心指标（延迟、tool 调用次数、成功率），先基线再优化 prompt。
• 量化建议：固定 20 条可复现的回放样本；每次变更后对比 traces，及时发现回归。

用可观测性驱动迭代

如果下面问题回答不出数据，你就在“凭感觉优化”：

• 哪一步最耗时？
• 哪个 tool 调用最容易失败？
• 哪次 prompt 变更真的提升成功率？

最小接入策略

1. 每次 run 都用稳定的 run id 做追踪。
2. tool 调用做 span 记录输入/输出（注意脱敏）。
3. 记录最终结果（成功/失败 + 原因）。

避免看板淹没

先从一个工作流 + 一个团队开始；指标可信后再扩到更多服务。

FAQ

必须自托管吗？ 答：不必须。仓库提供了自托管路径；团队也可以选择托管或仅本地使用。

优先接入什么？ 答：先把一条当前最慢或最不稳定的工作流做成可量化的端到端追踪。

如何对比 prompt 变更？ 答：用固定回放集对比 traces/指标，而不是靠主观感受。