Loading...
Loading...
共找到 36 个 Skills
使用SDK或REST API将Databuddy分析功能集成到应用程序中。适用于实现分析追踪、功能标志、自定义事件、Web Vitals、错误追踪、LLM可观测性，或以编程方式查询分析数据的场景。
一款用于追踪、评估、提示词管理和成本跟踪的LLM可观测性平台。适用于Langfuse部署、LLM成本监控、token使用量追踪或提示词版本控制场景。
用于链路追踪、评估和监控的LLM可观测性平台，可在调试LLM应用、基于数据集评估模型输出、监控生产系统，或是为AI应用搭建系统化测试流水线时使用。
Langfuse 专家——这是一款开源LLM可观测性平台。涵盖追踪、提示词管理、评估、数据集，以及与LangChain、LlamaIndex和OpenAI的集成。对于生产环境中LLM应用的调试、监控和优化至关重要。适用场景：langfuse、llm可观测性、llm追踪、提示词管理、llm评估。
用于构建LLM应用的生产就绪模式。涵盖RAG流水线、Agent架构、Prompt IDE以及LLMOps监控。适用于设计AI应用、实现RAG、构建Agent或设置LLM可观测性的场景。
当你使用PostHog（涵盖产品分析、网站分析、功能标志、A/B测试、实验、会话重放、错误追踪、调查、LLM可观测性或数据仓库相关场景）时，可启用本技能。任何PostHog相关任务都会触发本技能，包括捕获事件、识别用户、评估功能标志、创建实验、设置调查、追踪错误，以及通过PostHog API或SDK（posthog-js、posthog-node、posthog-python）查询分析数据。
将当前仓库通过Caveman Cloud网关进行连接，使每个LLM请求的成本、Token数量、延迟都能被统计，且不会改变原有功能。当用户粘贴Caveman设置提示词、说“set up caveman”，或希望为应用添加LLM支出可观测性时使用此功能。需要网关URL和Cave API密钥（设置提示词中包含这两项）。
与Litefuse进行交互并访问其文档。适用于以下场景：(1) 通过CLI以编程方式查询或修改Litefuse数据——包括追踪记录（traces）、提示词（prompts）、数据集、评分、会话及其他API资源；(2) 查询Litefuse文档、概念、集成指南或SDK使用方法；(3) 了解Litefuse各项功能的工作原理。本技能涵盖基于CLI的API访问（通过npx）以及多种文档检索方法。
分析LLM实验结果。支持单实验或对比实验分析，涵盖探索性分析和问答两种模式。当用户说出‘分析实验’‘对比实验’‘与基线对比分析’，或提供1-2个实验ID用于分析时，可使用本工具。
在任意项目中配置Sentry AI Agent监控。当需要监控LLM调用、追踪AI Agent，或是为OpenAI/Anthropic/Vercel AI/LangChain/Google GenAI添加埋点时使用。该工具会检测已安装的AI SDK并配置相应的集成。
通过TrueFoundry的追踪平台（Traceloop SDK）为应用添加基于OpenTelemetry的链路追踪能力。支持创建追踪项目，对Python/TypeScript代码进行埋点，以及捕获LLM调用和自定义span。
生成Arize UI中trace、span和session的深度链接。当用户需要可点击的URL来打开特定的trace、span或session时使用。