Келет: Автоматизированный анализ первопричин для ИИ-агентов

Что делает Kelet
Kelet — это сервис, который непрерывно отслеживает AI-агентов и LLM-приложения в продакшене, чтобы автоматически определять причины их сбоев. Вместо того чтобы агенты падали с явными ошибками, они часто тихо дают неправильные ответы, что требует ручного анализа трассировок. Kelet автоматизирует это расследование, группируя паттерны сбоев по тысячам сессий.
Как это работает
- Вы подключаете свои трассировки и сигналы (отзывы пользователей, правки, клики, настроение, LLM-как-судья и т.д.)
- Kelet обрабатывает эти сигналы и извлекает факты о каждой сессии
- Он формирует гипотезы о том, что пошло не так в каждом случае
- Он группирует похожие гипотезы по сессиям и исследует их вместе
- Он выявляет коренную причину с предложенным исправлением, которое вы можете просмотреть и применить
Ключевое понимание: отдельные сбои сессий выглядят случайными, но когда вы группируете гипотезы, проявляются паттерны сбоев.
Варианты интеграции
Три способа интеграции:
- Kelet Skill для кодирующих агентов: Сканирует вашу кодовую базу, обнаруживает, где следует собирать сигналы, и автоматически всё настраивает
- Python SDK:
pip install kelet - TypeScript SDK:
npm install kelet
Ручная настройка требует добавления двух строк в код вашего агента. Kelet полностью совместим с OpenTelemetry, поэтому любой агент с инструментированием OTEL работает из коробки.
Поддерживаемые фреймворки и платформы
Работает с: OpenTelemetry, Langfuse, Mixpanel, OpenAI, Anthropic, LangChain, pydantic AI SDK, CrewAI, Strands, Agno, Mastra, PostHog, LangGraph, AutoGen, LlamaIndex, Haystack, Semantic Kernel и Gemini APIs.
Работает с любым агентом или LLM-приложением, код которого вам принадлежит: агентные циклы, многошаговые рабочие процессы, RAG-пайплайны, чат-боты, автономные агенты.
Две ситуации, когда Kelet не подходит:
- Если вы используете AI-инструменты, созданные другими (Cursor, Claude Code, Copilot как разработчик)
- Если вы создаёте скилл или плагин внутри существующей агентной платформы
Технические детали
- Работает на серверах Kelet (сертифицировано SOC 2)
- Непрерывно принимает трассировки 24/7
- Токены LLM для анализа покрываются Kelet (не трогают ваш счёт API модели)
- Ценообразование на основе использования (см. kelet.ai/pricing)
- В настоящее время бесплатен в период бета-тестирования (кредитная карта не требуется)
Метрики производительности
Из данных пилотной когорты:
- 73% команд имели сбои, которые никто не заметил (Kelet их обнаружил)
- 14,3 минуты — медианное время от приёма трассировки до патча промпта
- 33K+ сессий проанализировано в развёртываниях партнёров по дизайну
📖 Read the full source: HN AI Agents
👀 Смотрите также

skill-depot: Локальная система памяти и навыков для AI-агентов, совместимых с MCP
skill-depot — это система поиска, которая хранит знания агента в виде файлов Markdown и использует векторные эмбеддинги для семантического поиска и выборочной загрузки только релевантного контента. Она работает полностью локально без API-ключей, совместима с любыми агентами, поддерживающими MCP, и может быть настроена с помощью npx skill-depot init.

Критика: Локальный CLI с одним бинарником для обзора планов и различий агентов
Crit — это CLI-инструмент в одном бинарнике, который открывает файлы или диффы в браузере с интерфейсом в стиле GitHub, позволяя вести многораундовые циклы обратной связи с AI-агентами кодинга — без регистрации.

Бенчмарк MemAware показывает, что память агентов на основе RAG не справляется с неявным извлечением контекста.
Бенчмарк MemAware проверяет, могут ли ИИ-агенты извлекать релевантный прошлый контекст, когда пользователи явно об этом не спрашивают, показывая, что текущие системы памяти демонстрируют точность всего 2,8% на сложных неявных запросах против 0,8% без памяти.

Architor: Инструмент с открытым исходным кодом для фазово-управляемых архитектурных рабочих процессов с использованием Claude Code
Architor — это инструмент с открытым исходным кодом, который структурирует Claude Code в поэтапного архитектурного ассистента с постоянной памятью о проекте. Он организует проектирование системы на этапы оценки требований, принятия архитектурных решений, проектирования компонентов и валидации, отслеживая решения в рабочей области .arch.