匹配同步和非同步執行
對普通工作人員使用同步客戶端，對非同步請求或代理路徑使用非同步客戶端，以便遙測不會阻止事件迴圈。
選擇框架
選擇知道結果的邊界
在事務邊界之後發出
在資料庫提交、排隊任務或模型工作流程達到其持久邊界之前，成功的處理程式並不是成功的業務結果。
在記錄之前對異常進行分類
記錄受控錯誤型別和失敗步驟。當原始異常文字包含 SQL 參數、提示、機密或客戶內容時，請避免使用原始異常文字。
共享事件合約
保持第一個模式可互操作
- 操作、狀態、duration_ms、發布、環境
- request_id、task_id、run_id、account_id 和受控 error_type
- 嘗試、模型、提供者、tool_name 以及相關的資料庫操作
使這些欄位適應工作流程，但在多個服務依賴同一個資料表之前保持單位、狀態類別、識別符號和所有權明確。
驗證
在發出警示之前練習故障路徑
- 1當應用程式使用兩種路徑時，請使用一種同步路徑和一種非同步路徑。
- 2確認事件在提交或終端任務狀態後發出。
- 3測試取消、超時、重試和處理程序關閉行為。
- 4在建置第一個查詢之前檢查推斷的欄位型別。
實施指南
匹配框架、提供程式或執行時
來源實施指南
Python 和 FastAPI 結構化記錄
使用非同步 Telemetry 客戶端和標準化路由名稱捕獲 FastAPI 請求結果和延遲。
開啟指南來源實施指南
Django 和 Celery 結構化事件監控
將 Django 請求結果和 Celery 任務生命週期與安全識別符號、延遲、重試和終端狀態連線起來。
開啟指南來源實施指南
Flask 和 SQLAlchemy Telemetry
使用有界 Python 事件、穩定的路由範本和安全的錯誤類別來測量 Flask 請求結果和 SQLAlchemy 事務行為。
開啟指南來源實施指南
Pydantic AI 代理 Telemetry
透過安全結構化事件測量 Pydantic AI 執行結果、經過驗證的輸出、重試、工具活動、延遲、使用情況和產品接受度。
開啟指南來源實施指南
CrewAI 工作流程 Telemetry
追蹤 CrewAI 人員和流程結果、任務計數、移交、重試、延遲、成本和接受的結果，而無需保留代理對話。
開啟指南來源實施指南
LlamaIndex 代理 Telemetry
透過結構化事件追蹤 LlamaIndex 代理和工作流程結果、工具活動、延遲、檢索版本、成本和審查品質。
開啟指南來源實施指南
DSPy程式評估Telemetry
使用 SQL 就緒事件測量 DSPy 程式延遲、故障、指標分數、最佳化器版本、模型成本以及跨版本的可接受結果。
開啟指南來源實施指南
AutoGen 任務流、狀態和超時監控
透過緊湊的結構化事件追蹤 AutoGen 任務流狀態、超時、團隊和代理結果、工具活動、切換、延遲、故障、成本和發布。
開啟指南來源實施指南
LiteLLM 閘道器和 SDK Telemetry
跨受控模型閘道器追蹤 LiteLLM 提供商路由、重試、回退、權杖使用、延遲、成本估算和可接受的結果。
開啟指南首先驗證一個端到端工作流程
建立一個免費的 API 金鑰，選擇最接近的執行時指南，並在擴大覆蓋範圍之前傳送已知的成功和失敗資訊。