Oodle.ai lanza observabilidad de agentes a $10 por millón de trazas
Oodle.ai (de Kiran y Vijay) lanzó un producto de Observabilidad de Agentes con un precio de $10 por millón de spans, latencia de consulta P99 inferior a un segundo y cero muestreo. El servicio almacena trazas en S3 usando un formato columnar personalizado tipo Parquet, consultado mediante AWS Lambda.
Detalles clave del lanzamiento en HN:
- Motor de almacenamiento columnar personalizado desarrollado durante dos años para logs, métricas y trazas, ahora aplicado a trazas de agentes LLM.
- Las trazas pueden ser de MB a GB; almacenadas en S3 en un formato propietario similar a Parquet, consultadas sin servidor con Lambda.
- Análisis determinista por span antes de evaluaciones LLM: detecta fallos de herramientas, reintentos, bucles, uso anómalo de tokens, regresiones de latencia, violaciones de esquema, sentimiento y otras señales de producción.
- Precios: $10 por millón de spans. Ingestión $0.30/GB, retención $0.001/GB/mes (ejemplo: 1200 GB/mes + retención de 90 días = $362/mes).
- Información inmediata: Fallos de Recuperación de Errores, Alta Duración, Baja Satisfacción del Usuario, Optimización de Costos del Modelo, Ineficiencia de Caché, Excesivas Interacciones con LLM.
- Los autores usaban anteriormente Langfuse (6x más caro). Actualmente procesan más de 3 millones de trazas de agentes/día con cero muestreo.
Cómo funciona: Oodle almacena todas las trazas sin muestreo, analiza cada span de forma determinista en busca de señales de fallo, y luego ejecuta evaluaciones basadas en LLM opcionalmente en las trazas marcadas. Las consultas sobre los datos retenidos son uniformemente rápidas, sin niveles fríos/calientes.
Para quién es: Equipos de ingeniería que implementan agentes de IA en producción y necesitan trazado asequible y de fidelidad completa sin muestreo.
📖 Lea la fuente completa: HN AI Agents
👀 Ver también
Más de 200 especificaciones de diseño de aplicaciones en Markdown – Arrástralas a Claude o Cursor para obtener clones exactos de la interfaz de usuario
Una biblioteca seleccionada de más de 200 aplicaciones populares como especificaciones de diseño markdown estructuradas con códigos hex exactos, escala tipográfica, espaciado, cada estado de pantalla y gráfico de navegación. Colócalo en Claude, Cursor o cualquier agente de IA para generar clones de SwiftUI, Jetpack Compose o Expo UI sin adivinar colores ni espaciado.
Agente de Codificación Pi con Qwen 35B Q2: Uso del Sistema de Archivos como Memoria Externa y Establecimiento de Guardas de Contexto
Un usuario de Reddit construyó una pila alrededor del agente de codificación Pi con la cuantificación Qwen 35B Q2_K_XL que impone restricciones: rechaza ediciones de más de 100 líneas, limita los bloques de pensamiento a 2000 caracteres y monitorea el contexto al 65%/80%, tratando el sistema de archivos como la memoria del modelo, no la ventana de contexto.
Herramienta CLI AI-Setup Genera Automáticamente Archivos de Configuración de IA para Pilas LLM Locales
AI-Setup es una herramienta CLI que escanea bases de código y genera automáticamente archivos de configuración de IA como .cursorrules y claude.md. Detecta tu stack para eliminar la escritura manual de reglas para cada nuevo proyecto.
Sistema de Memoria Automática de Código Abierto para Agentes LLM Logra un 94% de Precisión en Recuperación
Un desarrollador creó un complemento de memoria para agentes basados en LLM que extrae, clasifica y persiste automáticamente hechos entre sesiones sin comandos explícitos del usuario. El sistema logró un 94.2% de precisión en una prueba de memoria de 52 puntos de control utilizando archivos markdown estructurados en lugar de bases de datos vectoriales.