Kelet : Analyse Automatisée des Causes Racines pour Agents IA

Ce que fait Kelet
Kelet est un service qui surveille en continu les agents d'IA et les applications LLM en production pour identifier automatiquement pourquoi ils échouent. Au lieu de planter avec des erreurs claires, les agents donnent souvent des réponses incorrectes silencieusement, nécessitant une analyse manuelle des traces. Kelet automatise cette investigation en regroupant les modèles de défaillance à travers des milliers de sessions.
Comment ça fonctionne
- Vous connectez vos traces et signaux (retours utilisateurs, modifications, clics, sentiment, LLM-comme-juge, etc.)
- Kelet traite ces signaux et extrait des faits sur chaque session
- Il formule des hypothèses sur ce qui a mal tourné dans chaque cas
- Il regroupe les hypothèses similaires entre les sessions et les étudie ensemble
- Il révèle une cause racine avec un correctif suggéré que vous pouvez examiner et appliquer
L'idée clé : les défaillances individuelles semblent aléatoires, mais lorsque vous regroupez les hypothèses, des modèles d'échec émergent.
Options d'intégration
Trois façons de s'intégrer :
- Compétence Kelet pour les agents de codage : Analyse votre base de code, découvre où les signaux doivent être collectés et configure tout automatiquement
- SDK Python :
pip install kelet - SDK TypeScript :
npm install kelet
La configuration manuelle nécessite d'ajouter deux lignes à votre code d'agent. Kelet est entièrement conforme à OpenTelemetry, donc tout agent instrumenté OTEL fonctionne immédiatement.
Frameworks et plates-formes pris en charge
Fonctionne avec : OpenTelemetry, Langfuse, Mixpanel, OpenAI, Anthropic, LangChain, pydantic AI SDK, CrewAI, Strands, Agno, Mastra, PostHog, LangGraph, AutoGen, LlamaIndex, Haystack, Semantic Kernel, et les API Gemini.
Fonctionne avec n'importe quel agent ou application LLM dont vous possédez le code : boucles agentiques, workflows multi-étapes, pipelines RAG, chatbots, agents autonomes.
Deux situations où Kelet n'est pas adapté :
- Si vous utilisez des outils d'IA construits par d'autres (Cursor, Claude Code, Copilot en tant que développeur)
- Si vous construisez une compétence ou un plugin à l'intérieur d'une plate-forme agentique existante
Détails techniques
- S'exécute sur les serveurs de Kelet (certifié SOC 2)
- Ingère continuellement les traces 24h/24 et 7j/7
- Les tokens LLM pour l'analyse sont couverts par Kelet (n'affecte pas votre facture d'API de modèle)
- Tarification basée sur l'utilisation (voir kelet.ai/pricing)
- Actuellement gratuit pendant la phase bêta (aucune carte de crédit requise)
Métriques de performance
D'après les données de la cohorte pilote :
- 73% des équipes avaient des défaillances que personne n'avait remarquées (Kelet les a trouvées)
- 14,3 minutes de temps médian entre l'ingestion des traces et le correctif de prompt
- 33 000+ sessions analysées dans les déploiements des partenaires de conception
📖 Read the full source: HN AI Agents
👀 See Also

Mémoire du bourgeon gustatif : Mémoire d'agent réversible via le calcul hyperdimensionnel
Un outil Node.js de 600 lignes utilise le calcul hyperdimensionnel pour construire une couche mémoire réversible pour les agents IA, prenant en charge le décodage sans perte, la détection de dérive et les alertes de projet inconnu.

Utiliser plusieurs sessions Claude Code en parallèle avec Git Worktrees
Un développeur explique comment utiliser git worktrees pour exécuter plusieurs sessions Claude Code sur des branches séparées, sans stash ni changement de contexte. Révisez les diffs, fusionnez et passez à la suite.

Architecture de Validation Froide : Système de Revue de Code à Double Agent Libéré en Open Source
Un système open source utilise deux agents IA distincts pour la validation de code : l'un construit le code, l'autre le révise sans aucun contexte sur le raisonnement du constructeur. Le réviseur ne voit que les documents de plan, les différences de code et les sorties de tests.

Explorer l'IA avec des Micro-robots : Comprendre les Agents IA grâce au Tuteur Nanorobot
Un membre de la communauté OpenClaw partage ses réflexions avec le 'Nanobot Tutor', un mini-cadre visant à démystifier le fonctionnement des agents d'IA. Découvrez comment plonger dans cet environnement d'apprentissage compact révèle les mécanismes des agents intelligents.