工具标签
AI运维监控
AI运维监控不是泛泛的工具词,而是围绕代码生成、应用开发、测试部署和工程协作建立的标签,也覆盖 AI Observability、智能监控 等常见叫法。已收录 ZeroTrusted.ai、ZeroThreat、WP Safe AI、Weights & Biases 等工具,方便用户从实际需求出发筛选工具。
Browserbase
AI编程
Browserbase 是面向 AI Agent 的云端浏览器基础设施,提供会话、身份、可观测、网页数据 API 和 Stagehand 开发工具,支持可靠执行网页任务。
Fiddler AI
AI合规
Fiddler AI 是企业模型与 AI Agent 可观测、安全和治理平台,可监控性能、解释模型行为并追踪生成式应用风险,适合机器学习与风控团队。
Maxim
AI合规
Maxim 是生成式 AI 与 Agent 的模拟、评测和可观测平台,连接实验、上线前测试和生产监控,帮助产品与工程团队发现质量回退和异常行为。
Parea AI
AI合规
Parea AI 是面向生成式 AI 团队的评估与可观测平台,支持实验追踪、测试集评测、生产追踪和人工标注,便于工程师定位 LLM 应用的失败样本。
Openlayer
AI合规
Openlayer 是 AI 系统评估、生产监控和治理平台,可在开发与 CI 流程中测试模型和 LLM 应用,并持续检查质量、安全、延迟及合规指标。
Anomify
AI编程
Anomify 为关键数字基础设施提供全天候实时异常检测和告警降噪,通过多阶段机器学习发现事件、关联信号并辅助定位根因。
Arize
AI编程
Arize 为 LLM、智能体和机器学习应用提供追踪、评估、实验、提示词管理与生产监控,并包含开源 Phoenix 工具链。
ClearML
AI编程
ClearML 面向 AI 团队提供实验管理、训练编排、模型部署和 GPU 资源调度,适合机器学习与 MLOps 工作流。
Confident AI
AI编程
Confident AI 面向 LLM 工程团队,覆盖评估、可观测性、红队测试和质量改进,适合监控 AI 应用和 Agent 的稳定性。
Digma
AI编程
Digma 将运行时洞察带回开发流程,帮助工程师发现代码变更对性能、错误和服务行为的影响,适合提升软件交付质量。,便于工程团队提高沟通和维护效率。
EverSQL
AI编程
EverSQL 是面向 MySQL 与 PostgreSQL 的 AI SQL 优化工具,可分析慢查询、索引和数据库性能,适合工程团队定位查询瓶颈。
Empress
AI办公
Empress 是 AI Agent 可观测平台,用 xAPI 记录智能体动作、性能和合规证据,适合需要审计、优化和规模化管理 Agent 的团队。
Middleware
AI编程
Middleware 是全栈可观测平台,结合日志、指标、链路、真实用户监控和 AI SRE Agent 帮助工程团队定位线上问题。
Metaplane
AI办公
Metaplane 是 Datadog 旗下数据可观测平台,用于监控数据质量、血缘和异常,帮助数据团队更早发现指标和管道问题。
Nadi
AI编程
Nadi 是面向应用团队的崩溃护理助手,结合异常监测、上下文整理和 AI 分析,帮助开发者更快理解故障原因、影响范围和修复优先级。
Stakpak
AI编程
Stakpak 是 AI DevOps 代理,可在终端中辅助部署、监控和维护生产应用,适合开发者与小团队处理基础设施任务。
TraceRoot
AI编程
TraceRoot 是面向 AI Agent 的开源可观测与调试工具,可捕获 traces、用 AI 排查问题并辅助自动修复。
WP Safe AI
AI编程
WP Safe AI 是 WordPress 安全扫描和清理辅助工具,提供 AI 驱动的风险检测、恶意软件定位和站点恢复支持,适合站长、维护人员和小型企业网站使用。
PromptLayer
AI编程
PromptLayer是一款面向团队的提示词与智能体管理平台,帮助你在AI编程与产品迭代中统一管理提示词模板、版本与发布流程。PromptLayer支持提示词版本控制与可视化编辑,便于非技术成员协作修改;同时提供评测与回归测试能力,用数据对比不同提示词或模型的效果。通过请求追踪与可观测性面板,PromptLayer还能监控调用链路、成本、延迟。
Amazon Q
AI编程
AWS 面向开发者的 AI 编程助手,可在 IDE 和命令行中编写、调试、重构代码并辅助云开发,正式使用前仍需人工审查、测试验证和权限控制,覆盖团队规范、失败回滚和长期维护要求,适合生产项目谨慎接入。
DeepCode
AI编程
AI Security Fabric 平台,可保护代码、依赖、模型和 AI 原生应用,适合 DevSecOps 流程,正式使用前仍需人工审查、测试验证和权限控制,覆盖团队规范、失败回滚和长期维护要求。