Oodle.ai lança Observabilidade de Agentes a US$ 10/Milhão de Traços
A Oodle.ai (por Kiran e Vijay) lançou um produto de Observabilidade de Agentes ao preço de US$ 10 por milhão de spans, com latência de consulta P99 inferior a um segundo e zero amostragem. O serviço armazena rastreamentos em S3 usando um formato colunar tipo Parquet personalizado, consultado via AWS Lambda.
Detalhes principais do lançamento no HN:
- Motor de armazenamento colunar personalizado desenvolvido por dois anos para logs, métricas e rastreamentos, agora aplicado a rastreamentos de agentes LLM.
- Rastreamentos podem ter de MB a GB; armazenados em S3 em um formato proprietário tipo parquet, consultados serverless com Lambda.
- Análise determinística por span antes de avaliações LLM: detecta falhas de ferramentas, repetições, loops, uso anormal de tokens, regressões de latência, violações de esquema, sentimento e outros sinais de produção.
- Preços: US$ 10 por milhão de spans. Ingestão US$ 0,30/GB, retenção US$ 0,001/GB/mês (exemplo: 1200 GB/mês + 90 dias de retenção = US$ 362/mês).
- Insights prontos: Falhas de Recuperação de Erros, Alta Duração, Baixa Satisfação do Usuário, Otimização de Custos de Modelo, Ineficiência de Cache, Excesso de Interações LLM.
- Autores usaram anteriormente Langfuse (6x mais caro). Atualmente processam 3M+ rastreamentos de agentes/dia com zero amostragem.
Como funciona: A Oodle armazena todos os rastreamentos sem amostragem, analisa cada span deterministicamente em busca de sinais de falha e, opcionalmente, executa avaliações baseadas em LLM nos rastreamentos sinalizados. As consultas em todos os dados retidos são uniformemente rápidas — sem camadas quentes/frias.
Para quem é: Equipes de engenharia que implantam agentes de IA em produção e precisam de rastreamento acessível e de alta fidelidade, sem amostragem.
📖 Leia a fonte completa: HN AI Agents
👀 See Also
Sentido: Go SDK para asserções de teste com LLM e extração de texto estruturado
Sense é um SDK Go que utiliza o Claude para duas funções principais: avaliar saídas não determinísticas em testes com asserções em inglês simples, e extrair structs tipadas de textos não estruturados através de reflexão e tool_use forçado.
Configuração do iTerm2 com 4 Painéis para CLI de Código do Claude Separa Funções da IA
Um desenvolvedor criou uma configuração de terminal iTerm2 com quatro painéis especificamente para o Claude Code CLI para resolver problemas de desvio de contexto e viés de autoavaliação. Cada painel está bloqueado para uma função específica com modelos e permissões dedicados.
Detectando Falhas Silenciosas de Ferramentas em Agentes de Codificação de IA com Vibeyard
Vibeyard é uma ferramenta que detecta quando agentes de codificação com IA experimentam falhas silenciosas de ferramentas — situações em que os agentes recorrem a estratégias alternativas sem alertar os desenvolvedores — e expõe essas ineficiências durante as sessões. Ela pode sugerir correções para evitar fluxos de trabalho ineficientes repetidos.
A pesquisa híbrida com RRF melhora o sistema de memória de IA em relação à pesquisa vetorial pura.
Um sistema de memória de IA de código aberto usando PostgreSQL com pgvector descobriu que a busca vetorial pura era insuficiente para correspondências exatas, então adicionou busca de texto completo e mesclou os resultados usando Fusão de Classificação Recíproca (RRF) com k=60, além de enriquecimento de consulta via tokenizador.