Kelet: Análise Automatizada de Causa Raiz para Agentes de IA

✍️ OpenClawRadar📅 Publicado: April 17, 2026🔗 Source
Kelet: Análise Automatizada de Causa Raiz para Agentes de IA
Ad

O que o Kelet faz

Kelet é um serviço que monitora continuamente agentes de IA e aplicações de LLM em produção para identificar automaticamente por que eles falham. Em vez de agentes travarem com erros claros, eles frequentemente dão respostas erradas silenciosamente, exigindo análise manual de rastreamento. O Kelet automatiza essa investigação agrupando padrões de falha em milhares de sessões.

Como funciona

  • Você conecta seus rastreamentos e sinais (feedback do usuário, edições, cliques, sentimento, LLM-como-juiz, etc.)
  • Kelet processa esses sinais e extrai fatos sobre cada sessão
  • Ele forma hipóteses sobre o que deu errado em cada caso
  • Ele agrupa hipóteses similares entre sessões e as investiga juntas
  • Ele revela uma causa raiz com uma correção sugerida que você pode revisar e aplicar

A percepção chave: falhas individuais de sessão parecem aleatórias, mas quando você agrupa as hipóteses, padrões de falha emergem.

Opções de integração

Três formas de integrar:

  • Habilidade Kelet para agentes de programação: Examina sua base de código, descobre onde os sinais devem ser coletados e configura tudo automaticamente
  • SDK Python: pip install kelet
  • SDK TypeScript: npm install kelet

A configuração manual requer adicionar duas linhas ao seu código do agente. Kelet é totalmente compatível com OpenTelemetry, então qualquer agente instrumentado com OTEL funciona imediatamente.

Ad

Frameworks e Plataformas Suportados

Funciona com: OpenTelemetry, Langfuse, Mixpanel, OpenAI, Anthropic, LangChain, pydantic AI SDK, CrewAI, Strands, Agno, Mastra, PostHog, LangGraph, AutoGen, LlamaIndex, Haystack, Semantic Kernel e APIs Gemini.

Funciona com qualquer agente ou aplicação de LLM onde você possui o código: loops agenticos, fluxos de trabalho multi-etapas, pipelines RAG, chatbots, agentes autônomos.

Duas situações onde Kelet não é adequado:

  • Se você usa ferramentas de IA construídas por outros (Cursor, Claude Code, Copilot como desenvolvedor)
  • Se você está construindo uma habilidade ou plugin dentro de uma plataforma agentica existente

Detalhes Técnicos

  • Executa nos servidores do Kelet (certificado SOC 2)
  • Ingere rastreamentos continuamente 24/7
  • Tokens LLM para análise são cobertos pelo Kelet (não afeta sua conta de API do modelo)
  • Precificação baseada no uso (veja kelet.ai/pricing)
  • Atualmente gratuito durante a beta (não requer cartão de crédito)

Métricas de Desempenho

Dados da coorte piloto:

  • 73% das equipes tinham falhas que ninguém notou (Kelet as encontrou)
  • 14.3 minutos tempo mediano desde ingestão de rastreamento até correção do prompt
  • 33K+ sessões analisadas em implantações de parceiros de design

📖 Read the full source: HN AI Agents

Ad

👀 See Also

Codegraph: Grafo de conhecimento pré-indexado reduz chamadas de ferramentas Claude/Cursor em 94%
Tools

Codegraph: Grafo de conhecimento pré-indexado reduz chamadas de ferramentas Claude/Cursor em 94%

Codegraph usa um grafo de conhecimento pré-indexado de relações de símbolos, grafos de chamada e estrutura de código para reduzir chamadas de ferramentas da API em até 94% e acelerar o uso em ~77% para agentes Claude, Cursor, Codex e OpenCode.

OpenClawRadar
Comparação de 8 Modelos de IA de Programação na Implementação de Recursos em TypeScript do Mundo Real
Tools

Comparação de 8 Modelos de IA de Programação na Implementação de Recursos em TypeScript do Mundo Real

Um desenvolvedor testou 8 modelos de IA para programação na implementação de um comando /rename em um projeto de bot do Telegram em TypeScript de código aberto, avaliando-os em custo, tempo de execução, correção e qualidade técnica. O GPT-5.4 obteve a maior pontuação em correção de implementação, enquanto o GLM 5 ofereceu a melhor relação custo-benefício.

OpenClawRadar
Implementação do Agente Local OpenClaw com Cache TurboQuant para Hardware de Médio Porte
Tools

Implementação do Agente Local OpenClaw com Cache TurboQuant para Hardware de Médio Porte

Um aplicativo de um clique para o OpenClaw com modelos locais agora roda em dispositivos de médio porte como o MacBook Air com 16GB de RAM usando cache TurboQuant e aquecimento de contexto. A implementação corrige o llama.cpp para chamadas de ferramentas confiáveis e alcança 10-15 tokens por segundo com o Gemma 4 e QWEN 3.5.

OpenClawRadar
Estrutura de Scaffold Resolve Problemas de Memória e Fluxo de Trabalho do Código Claude
Tools

Estrutura de Scaffold Resolve Problemas de Memória e Fluxo de Trabalho do Código Claude

Scaffold é uma estrutura de 17 habilidades para Claude Code que fornece memória persistente, aplicação de decisões e portões de fluxo de trabalho. Ele usa um sistema de roteamento de modelo de 3 camadas para economia de tokens e pode ser instalado através do menu de plugins do Claude Code.

OpenClawRadar