full-project
埋点核心产品
当您希望智能体查找重要的产品工作流程、添加结构化事件并创建第一个仪表板时使用。
埋点核心产品
Instrument this project with structured logs using /skill.md. Use this Telemetry API key: YOUR_API_KEY Anonymous keys support logging and synchronous SQL without signup. Claim the existing workspace at https://telemetry.sh/register with the same key before creating dashboards or alerts. If it is unclaimed, query the event to verify delivery and report which features need signup. Please: 1. Find the most important user-facing flows, background jobs, and AI/tooling workflows. 2. Add structured logging with snake_case table and field names. 3. Capture the key signals for each workflow, including status, latency, identifiers, and error context when relevant. 4. Run one real user-facing or operational flow through the instrumented application and verify its event appears 中 Telemetry. Do not use telemetry_quickstart for this milestone. 5. Run a read-only query over that real event, then create a high-level dashboard with charts and tables that summarize the most important signals in this project. 6. Tell me what you instrumented, which real flow you verified, which tables you created, and which dashboard views I should review first. Keep event payloads small and focused. Make dashboard labels and charts easy to scan.ai-costs
跟踪 OpenAI 和 LLM 成本
当最重要的未知因素是模型使用、代币花费、延迟、工具调用和失败的 AI 请求时使用。
跟踪 OpenAI 和 LLM 成本
使用 Telemetry 检测该项目，以便我们可以了解 OpenAI 和 LLM 的用法。
使用 /skill.md 和此 Telemetry API 密钥：YOUR_API_KEY
请登录：
1. 每个型号请求均带有 model、provider、route、feature、input_tokens、output_tokens、total_tokens、estimated_cost_usd、latency_ms、status 和 error_type（如果相关）。
2、座席或助理进行工具调用，包括tool_name、status、latency_ms、result_category。
3. 面向用户的AI工作流程结果，包括feature、status、retry_count，以及用户是否是accepted、copied、saved或discarded结果。
4. 仪表板，其中包含每日成本、按功能划分的成本、按模型划分的故障、p95 延迟和可接受的输出率。
除非我明确批准存储提示和原始完成，否则不要将提示和原始完成情况保留在遥测中。checkout
跟踪注册到付费转化
当您需要从登陆页面访问者到注册、入职、结帐和付费团队活动的干净渠道时使用。
跟踪注册到付费转化
使用 Telemetry 检测收购和收入漏斗。
使用 /skill.md 和此 Telemetry API 密钥：YOUR_API_KEY
请添加结构化事件：
1. 营销页面浏览量、CTA 点击量、定价计划选择、文档 CTA 点击量和提示副本。
2. 注册尝试、成功注册、加入步骤、团队创建、第一个 API 密钥创建以及收到的第一个遥测事件。
3. 结帐开始、结帐成功、计划更改、计费门户打开和付款失败。
4. 激活里程碑：创建第一个表、运行第一个查询、创建第一个仪表板、创建第一个警报和第二个活动日。
创建一个仪表板，供访客注册、注册激活团队、激活团队付费以及按激活里程碑进行每周保留。api-reliability
跟踪 API 可靠性
当产品质量取决于对请求量、延迟、错误和影响客户的事件的了解时使用。
跟踪 API 可靠性
添加 Telemetry 仪器以确保 API 可靠性。
使用 /skill.md 和此 Telemetry API 密钥：YOUR_API_KEY
请使用 route_template、method、status_code、status、latency_ms、user_id 或 team_id（如果可用）、request_size_bytes、response_size_bytes 和 error_type 记录每个重要的 API 端点。
创建：
1. API请求事件表。
2. 请求量、错误率、p50 和 p95 延迟以及排名靠前的失败端点的图表。
3. 5xx 速率升高、p95 延迟缓慢和流量突然下降的警报。
不要记录请求正文、身份验证标头、cookie、机密或原始用户内容。background-jobs
跟踪后台作业
当队列、cron 任务、导入、计费同步或 webhook 需要操作可见性时使用。
跟踪后台作业
使用 Telemetry 检测后台作业和异步工作人员。
使用 /skill.md 和此 Telemetry API 密钥：YOUR_API_KEY
请使用 job_name、queue_name、attempt、status、duration_ms、scheduled_at、started_at、completed_at、item_count 记录 job_started、job_completed 和 job_failed 事件， retry_count 和 error_type。
创建一个仪表板，显示按作业列出的吞吐量、按作业列出的故障、p95 持续时间、重试量、最旧的挂起作业和死信事件。添加针对停滞作业和重复失败的警报。retention
跟踪产品使用情况和保留情况
当您需要了解激活、重复使用、功能采用以及哪些操作与保留帐户相关时使用。
跟踪产品使用情况和保留情况
Telemetry 仪器产品的使用和保留。
使用 /skill.md 和此 Telemetry API 密钥：YOUR_API_KEY
请添加结构化事件：
1. 注册、完成入职步骤、创建团队、首次成功集成以及首次有意义的产品操作。
2. feature_name、action、曲面、team_id、user_id、status、latency_ms 和 error_type 相关的核心功能使用。
3. 保留里程碑：第二个活跃日、第一个保存的仪表板、第一个共享工件、创建的第一个警报以及 7 天后的首次返回。
4. 扩展信号：邀请的队友、升级的计划意图、查看的计费页面、达到使用限制以及请求支持。
创建一个仪表板，用于显示激活率、每周活跃团队、功能采用、按首次操作保留的团队以及升级意图事件。模板
复制特定于工作流程的简介
AI智能体可观测性模板
通过结构化 SQL 就绪事件跟踪智能体运行、工具调用、重试、模型延迟、错误和接受的结果。
打开模板后台作业失败监视器
从第一次运行到重试和失败，捕获队列、cron、导入、计费同步和 webhook 作业运行状况。
打开模板API错误和延迟监视器
监视请求量、状态代码、路由延迟、失败的端点以及影响客户的 API 事件。
打开模板法学硕士成本追踪
按功能、用户和帐户衡量模型支出、代币使用、延迟、故障率和价值信号。
打开模板Webhook 调试模板
跟踪关键 Webhook 的交付、处理、重试、提供程序状态、幂等性和下游影响。
打开模板激活和保留模板
跟踪从注册到第一个有意义的操作、保留使用、升级意图和扩展信号的路径。
打开模板事件跟踪计划模板
创建可审查的事件目录，涵盖粒度、所有权、字段、隐私、保留、验证和下游 SQL 依赖项。
打开模板AI智能体安全审计模板
埋点工具授权决策、策略版本、人工批准和终端结果以及隐私安全的结构化事件。
打开模板数据库可靠性监控模板
通过安全的结构化事件来检测缓慢的操作指纹、池争用、事务回滚、锁定、复制延迟和迁移结果。
打开模板集成
为现有技术栈添加事件
OpenAI 智能体Telemetry
使用结构化事件记录 OpenAI 智能体运行、工具调用、模型使用、延迟、成本和最终结果。
打开指南浏览器 JavaScript 和 Web Vitals Telemetry
通过速率受限的服务器代理收集核心 Web Vitals 和有限的前端结果，而无需暴露 Telemetry API 密钥。
打开指南Vercel AI SDK 与 Telemetry 集成
跟踪 AI SDK 工作流程的流式传输完成情况、令牌使用情况、重试、延迟和接受的结果。
打开指南Ingest 和 Trigger.dev 作业 Telemetry
使用 SQL 就绪日志检测异步工作线程、计划作业、重试、失败和死信事件。
打开指南Stripe Webhook 与 Telemetry 集成
调试支付、订阅、发票、重试和下游计费同步行为，无需存储 Webhook 主体。
打开指南Supabase 和 Postgres 应用程序 Telemetry
跟踪产品工作流程、数据库相关作业、API 路由以及服务器代码中面向客户的故障。
打开指南Cloudflare 工作人员 Telemetry
记录边缘请求状态、延迟、提供商故障、cron 运行以及来自 Cloudflare Workers 的队列工作人员。
打开指南Node.js 和快速结构化日志记录
Instrument Express 路由结果具有稳定的路由模板、状态代码、请求延迟和安全关联字段。
打开指南Next.js 服务器事件分析
从 Next.js 路由处理程序和服务器操作发送 SQL 就绪事件，而无需向浏览器公开摄取密钥。
打开指南Python 和 FastAPI 结构化日志记录
使用异步 Telemetry 客户端和标准化路由名称捕获 FastAPI 请求结果和延迟。
打开指南OpenTelemetry 结构化事件中的上下文
通过在工作流边界记录安全跟踪和跨度标识符，将 Telemetry 业务事件连接到现有 OpenTelemetry 跟踪。
打开指南AWS Lambda 结构化事件监控
通过紧凑的结构化事件跟踪 Lambda 调用、冷启动、持续时间、重试和业务成果。
打开指南Go HTTP 服务器结构化日志记录
将类型化的请求结果事件添加到 Go HTTP 服务，以获取路由错误率、延迟百分位数和版本比较。
打开指南Ruby on Rails 结构化事件分析
通过 Telemetry 的 HTTP API 使用安全、可查询的字段记录 Rails 控制器和后台工作流程结果。
打开指南Django 和 Celery 结构化事件监控
将 Django 请求结果和 Celery 任务生命周期与安全标识符、延迟、重试和终端状态连接起来。
打开指南Laravel 结构化日志记录和队列分析
将 Laravel 请求、命令、队列和计费结果作为类型化事件发送，而不会暴露应用程序机密或有效负载。
打开指南.NET 和 Serilog 结构化事件分析
除了针对 ASP.NET 请求延迟、故障、版本和客户影响的 Serilog 诊断之外，添加重点 Telemetry 结果事件。
打开指南Spring Boot 结构化事件监控
通过 Telemetry 的 HTTP API 记录 Spring MVC 和预定工作流结果，并提供稳定的路由、延迟、状态和跟踪上下文。
打开指南时间工作流程可观测性
跟踪临时工作流程结果、活动重试、计划启动延迟和业务里程碑，而无需记录工作流程负载。
打开指南BullMQ 队列监控
使用 SQL 就绪生命周期事件测量 BullMQ 队列等待、执行持续时间、重试、失败和死信增长。
打开指南AWS SQS 队列可观测性
跟踪 SQS 消息期限、接收尝试、处理结果、批处理行为和死信路由，而无需存储消息正文。
打开指南Kafka 消费者延迟和处理分析
使用结构化事件监控 Kafka 消费者结果、分区延迟、处理延迟、重试和有害消息处理。
打开指南人类克劳德 API Telemetry
跟踪 Claude API 令牌使用情况、模型、延迟、停止原因、错误、成本背景以及审查的产品结果，而无需存储提示。
打开指南LangGraph 智能体可观测性
测量 LangGraph 运行结果、节点和工具故障、重试、检查点、人工切换、延迟和审核的任务质量。
打开指南node-postgres 池和查询 Telemetry
埋点节点-postgres 查询指纹、连接获取、池压力、超时、事务结果和数据库错误，无需记录 SQL 参数。
打开指南Prisma ORM 数据库 Telemetry
测量 Prisma 操作指纹、模型和方法延迟、故障、结果计数、版本和依赖于数据库的工作流程，而无需收集原始查询参数。
打开指南Kubernetes 工作负载 Telemetry
将有界 Kubernetes 重启、准备情况和部署观察结果发送到 Telemetry 以进行工作负载级 SQL 分析。
打开指南谷歌双子座 API Telemetry
跟踪 Gemini 请求延迟、模型使用情况、令牌、完成原因、错误和审查的产品结果，而无需存储提示或生成的内容。
打开指南亚马逊基岩型号 Telemetry
通过模型或推理配置文件、令牌使用情况、延迟、停止原因、重试和业务成果来衡量 Bedrock Converse 请求。
打开指南Azure OpenAI 响应 Telemetry
通过可编辑的 SQL 就绪事件跟踪 Azure OpenAI 部署使用情况、令牌成本、延迟、故障和产品结果。
打开指南LangChain智能体结果Telemetry
将 LangChain 智能体运行和工具结果与面向产品的成本、可靠性、移交和验收指标连接起来，而无需重复原始跟踪。
打开指南皮诺结构化事件分析
将 Pino 诊断日志与有界 Telemetry 结果事件配对，以进行 Node.js 请求、作业和产品可靠性分析。
打开指南温斯顿结构化事件分析
将 Winston 应用程序诊断连接到小型 SQL 就绪请求、工作流和作业结果，而无需复制整个日志流。
打开指南NestJS 请求和工作流程 Telemetry
为 NestJS 控制器和提供者提供规范化的路由结果、延迟、错误、版本和批准的帐户上下文。
打开指南Flask 和 SQLAlchemy Telemetry
使用有界 Python 事件、稳定的路由模板和安全的错误类别来测量 Flask 请求结果和 SQLAlchemy 事务行为。
打开指南Sidekiq 作业 Telemetry
跟踪 Sidekiq 执行结果、尝试、队列等待、错误以及服务器中间件的释放，而无需复制作业参数。
打开指南Redis 和节点-redis Telemetry
与 Node-Redis 一起测量 Redis 命令结果、延迟、缓存行为、重新连接和有限错误类别。
打开指南克劳德智能体SDK Telemetry
跟踪 Claude Agent SDK 运行结果、持续时间、工具活动、周转、成本和批准的产品信号，无需存储提示或工具负载。
打开指南Pydantic AI 智能体 Telemetry
通过安全结构化事件测量 Pydantic AI 运行结果、经过验证的输出、重试、工具活动、延迟、使用情况和产品接受度。
打开指南CrewAI 工作流程 Telemetry
跟踪 CrewAI 人员和流程结果、任务计数、移交、重试、延迟、成本和接受的结果，而无需保留智能体对话。
打开指南Google ADK 智能体 Telemetry
通过 SQL 就绪事件衡量 Google 智能体开发工具包会话、运行结果、工具活动、切换、延迟和批准的产品信号。
打开指南马斯特拉智能体Telemetry
跟踪 Mastra 智能体和工作流程结果、工具活动、延迟、重试、成本和产品验收以及内置跟踪和评估。
打开指南LlamaIndex 智能体 Telemetry
通过结构化事件跟踪 LlamaIndex 智能体和工作流程结果、工具活动、延迟、检索版本、成本和审核质量。
打开指南DSPy程序评估Telemetry
使用 SQL 就绪事件测量 DSPy 程序延迟、故障、指标分数、优化器版本、模型成本以及跨版本的可接受结果。
打开指南AutoGen 任务流、状态和超时监控
通过紧凑的结构化事件跟踪 AutoGen 任务流状态、超时、团队和智能体结果、工具活动、切换、延迟、故障、成本和发布。
打开指南语义内核智能体 Telemetry
测量语义内核功能和智能体结果、工具活动、模型使用、延迟、成本和发布以及 OpenTelemetry 跟踪。
打开指南MCP 服务器和工具 Telemetry
跟踪模型上下文协议工具的结果、延迟、错误、批准、重试、客户端和发布，而不存储参数或返回的内容。
打开指南RabbitMQ 队列 Telemetry
通过结构化事件跟踪 RabbitMQ 发布确认、传送、确认、重新传送、队列等待、重试和死信结果。
打开指南MySQL 查询和池 Telemetry
跟踪标准化 MySQL 操作、池等待、事务结果、受控错误类别和发布回归，而无需存储原始 SQL 或参数。
打开指南MongoDB 操作 Telemetry
跟踪指定的 MongoDB 操作、延迟、结果计数、重试、事务结果和发布回归，而无需收集文档或查询值。
打开指南谷歌云运行 Telemetry
使用应用程序拥有的结构化事件跟踪 Cloud Run 请求和作业结果、冷启动上下文、实例并发性、重试、延迟和发布。
打开指南Google Cloud Pub/Sub 与 Telemetry 集成
使用稳定的消息标识符跟踪 Pub/Sub 发布、交付、确认、重新交付、排序、队列寿命和死信结果。
打开指南Azure 函数 Telemetry
通过调用、重试、延迟、发布和客户影响上下文跟踪 Azure Functions HTTP、计时器、队列和事件触发结果。
打开指南Azure 服务总线 Telemetry
跟踪 Azure 服务总线发送、接收、锁定续订、结算、重新传递、延迟和死信结果，而无需收集消息正文。
打开指南OpenAI 响应 API Telemetry
测量 OpenAI 响应 API 延迟、令牌使用、工具活动、故障和下游结果，而无需收集提示或生成的内容。
打开指南LiteLLM 网关和 SDK Telemetry
跨受控模型网关跟踪 LiteLLM 提供商路由、重试、回退、令牌使用、延迟、成本估算和可接受的结果。
打开指南Elixir Phoenix Telemetry 集成
附加到 Phoenix 请求生命周期事件并转发有界终端请求结果，而无需复制连接数据、参数或异常文本。
打开指南AWS ECS 和 Fargate Telemetry 集成
使用本地任务元数据端点将 ECS 任务系列、修订、可用区和发布上下文添加到应用程序结果。
打开指南GitHub 操作工作流程 Telemetry 集成
从 GitHub 操作发送有界终端工作流结果，其中包含运行、尝试、作业、结论、持续时间和发布上下文。
打开指南n8n 工作流程 Telemetry
通过 HTTP 请求节点将 n8n 工作流完成、失败、重试、项目计数和下游交付结果发送到有界 Telemetry 事件。
打开指南使用场景
为你的应用选择设置指南
Claude Code 可观测性
给 Claude Code 一个提示，使遥测成为实施过程的一部分，而不是单独的清理项目。
打开设置页面Cursor Telemetry 设置
可复制的设置提示，用于从 Cursor 内部添加事件表、漏斗跟踪和仪表板。
打开设置页面Codex仪表提示
一个重点提示，要求 Codex 检测产品的其余部分、验证事件并总结覆盖范围差距。
打开设置页面OpenAI 成本监控
通过 SQL 仪表板和预算警报，按模型、功能、客户、延迟、错误率和结果监控 OpenAI 和 LLM 支出。
打开设置页面产品保留分析
使用智能体安装的结构化事件来了解哪些早期操作可以创建回头客和收入就绪的团队。
打开设置页面AI Agent Telemetry 和可观测性
对 SQL 就绪事件表中的运行、工具调用、重试、延迟、模型成本、失败和接受的结果进行埋点 AI 智能体遥测。
打开设置页面后台作业监控
使用结构化事件查看作业吞吐量、重试、失败、死信、队列运行状况和 p95 持续时间。
打开设置页面Webhook 调试
跟踪 Webhook 交付、处理、重试、重复数据删除、下游作业和故障，而无需存储原始负载。
打开设置页面API可靠性监控
使用 SQL 跟踪 API 请求量、状态代码、延迟、超时、客户影响和失败端点。
打开设置页面加密货币和链上自动化监控
跟踪索引事件、智能体操作、交易成本、钱包工作流程、工具调用和失败的自动化作业。
打开设置页面使用 SQL 的基础设施指标
当您需要可查询的主机和容器历史记录而无需进行大规模监控时，发送结构化基础设施事件。
打开设置页面基于使用情况的计费分析
根据幂等结构化事件构建可靠的使用分类帐、配额仪表板、超额工作流程和计费对账。
打开设置页面安全和审计日志分析
针对身份验证失败、访问更改、特权操作和事件时间表设计隐私感知安全事件。
打开设置页面AI智能体安全监控
监控工具授权、策略拒绝、批准队列、有风险的操作类和发布更改，而无需存储提示、凭据或工具负载。
打开设置页面AI智能体质量与评估
将智能体运行、审阅者结果、人工交接、成本和发布更改连接到可重复的质量评估工作流程。
打开设置页面使用 SQL 进行数据库可靠性监控
跟踪安全查询指纹、池压力、事务回滚、锁争用、复制延迟和迁移结果，而无需收集原始 SQL 参数。
打开设置页面使用 SQL 进行前端性能监控
通过稳定的路线和发布跟踪类型化的 LCP、INP 和 CLS 样本，然后使用 SQL 查找前端回归，而无需收集原始 URL 或页面内容。
打开设置页面使用 SQL 进行 Kubernetes 可靠性监控
一起跟踪 Kubernetes 工作负载转换和应用程序结果，以便 SQL 可以将计划的部署活动与重复重启和服务影响分开。
打开设置页面使用 SQL 进行 SaaS 收入分析
根据订阅变动、发票、权利和产品结果构建可审核的 SaaS 收入模型，而不是依赖断开连接的计费快照。
打开设置页面Telemetry 使用 SQL 进行数据质量监控
监视事件新鲜度、必填字段、类型、重复项、架构版本和数量，以便在损坏的埋点成为误导性业务或可靠性指标之前发现它。
打开设置页面产品对比
PostHog 用于后端事件
PostHog 是一个广泛的产品堆栈，包含产品分析、渠道、保留、SQL 和数据仓库。当主要工作是结构化后端事件捕获、可检查 SQL 和智能体安装的操作仪表板时，Telemetry 是较窄的选择。
阅读比较Datadog 初创公司的替代方案
Datadog 是一个广泛的可观测性和安全平台。当小团队需要结构化应用程序事件、SQL 仪表板和阈值警报而不首先采用完整的基础设施和 APM 套件时，Telemetry 是一个重点替代方案。
阅读比较ClickHouse 不运行 ClickHouse 记录 API
ClickHouse 和 ClickStack 提供了强大的、可扩展的分析和可观测性基础。当您想要结构化事件查询而不设计或操作周围的数据库和可观测性堆栈时，Telemetry 是较小的托管工作流程。
阅读比较结构化事件分析的 Axiom 替代方案
Axiom 是一个成熟的云原生遥测平台，具有摄取、搜索、APL 查询、仪表板、监视器和广泛的可观测性工作流程。当小团队特别需要类型化应用程序事件、熟悉的 SQL 和编程智能体安装的操作分析时，Telemetry 是更窄的选择。
阅读比较Better Stack SQL 事件分析的日志替代方案
Better Stack 结合了日志、仪表板、警报、事件管理和正常运行时间工作流程。当核心需求是使用 SQL 查询结构化应用程序结果并通过代码库感知提示进行安装时，Telemetry 是更集中的选择。
阅读比较Honeycomb 轻量级宽范围事件的替代方案
Honeycomb 专为高基数可观测性和调试具有广泛事件和跟踪的分布式系统而构建。当首要需求是自定义应用程序和业务事件、SQL 分析以及简单的仪表板或警报时，Telemetry 是一个更轻的替代方案。
阅读比较Grafana 结构化日志 SQL 的 Loki 替代方案
Grafana Cloud 和 Loki 提供广泛的日志、指标、跟踪、仪表板和警报生态系统。当团队需要托管 JSON 事件表和 SQL 而无需组装或操作周围的可观测性堆栈时，Telemetry 是重点替代方案。
阅读比较结构化事件和 SQL 的 Sentry 替代方案
Sentry 结合了错误监控、跟踪、分析、会话重放和应用程序运行状况日志。当团队的首要需求是自定义结构化工作流事件和 SQL 分析而不是以异常为中心的调试时，Telemetry 是更窄的替代方案。
阅读比较结构化事件的 Splunk 替代方案
Splunk 提供广泛的搜索、安全、日志分析、基础设施监控、APM、真实用户监控和基于 OpenTelemetry 的收集。当团队需要专门构建的应用程序事件、SQL 和更小的操作界面时，Telemetry 是更窄的选择。
阅读比较结构化事件 SQL 的弹性替代方案
Elastic Observability 结合了 Elasticsearch、Kibana、日志、指标、APM、分析和 OpenTelemetry 集合。当主要工作是管理应用程序事件摄取和 SQL 分析而不操作或建模更广泛的 Elastic 部署时，Telemetry 是重点替代方案。
阅读比较结构化事件的新遗迹替代方案
New Relic 是一个广泛的可观测性平台，涵盖 APM、基础设施、日志、浏览器、移动、合成、错误和 NRQL。当团队需要自定义结构化结果、SQL 和轻量级事件分析工作流程时，Telemetry 是更窄的选择。
阅读比较Telemetry 与 Langfuse 的 AI 可观测性
Langfuse是一个LLM工程平台，用于跟踪、提示管理、评估、数据集和实验。 Telemetry 是更窄的 SQL 优先选项，适用于紧凑智能体、成本、可靠性和产品结果事件。
阅读比较Telemetry 与 LangSmith 的 AI 可观测性
LangSmith 为 LLM 应用程序提供跟踪、评估、数据集、实验和部署选项。 Telemetry 专注于跨 AI 和应用程序工作流程的紧凑结果事件和 SQL。
阅读比较Telemetry vs 阿里兹·菲尼克斯
Arize Phoenix 是一个围绕跟踪、提示、数据集和实验构建的开源 AI 可观察和评估平台。 Telemetry 专注于紧凑的结构化结果和 SQL。
阅读比较Telemetry 与 Pydantic Logfire 对比
Pydantic Logfire 将基于 OpenTelemetry 的应用程序可观测性与 AI 跟踪和对话视图相结合。 Telemetry 是一个较窄的结构化事件和 SQL 结果层。
阅读比较Telemetry 与 Mixpanel
Mixpanel 是一个围绕行为报告（例如洞察、渠道、流量、保留和群组）构建的产品和数字分析平台。 Telemetry 是 SQL 相对于应用程序拥有的产品和操作事件的更窄的选择。
阅读比较Telemetry 与幅度
Amplitude 是一个数字分析平台，具有针对事件、渠道、保留、旅程、群组和实验的产品分析工作流程。 Telemetry 专注于紧凑的结构化事件和显式 SQL。
阅读比较Telemetry 与 Braintrust 对比
Braintrust是一个围绕实验、数据集、评分器、提示和生产跟踪构建的人工智能评估和可观察平台。 Telemetry 专注于 SQL，而不是选定的 AI 和产品结果。
阅读比较Telemetry 与 Helicone 对比
Helicone 将 AI 网关与 LLM 请求可观测性、会话、成本分析、缓存和警报相结合。 Telemetry 是一个与提供商无关的 SQL 层，用于选定的 AI 和应用程序结果。
阅读比较Telemetry vs 奥皮克
Opik 是一个开源 LLM 评估和可观测性平台，具有跟踪、数据集、指标、实验和测试套件。 Telemetry 专注于有限 AI 上的 SQL 和应用程序结果。
阅读比较Telemetry 与 W&B Weave 对比
W&B Weave 是一个人工智能可观察和评估平台，具有跟踪、数据集、评分器、版本控制、反馈和生产监控。 Telemetry 专注于 SQL，而不是选定的 AI 和产品结果。
阅读比较Telemetry 与 GenAI 的 MLflow
MLflow 提供与 OpenTelemetry 兼容的 GenAI 跟踪、评估、提示版本控制、实验和生产监控。 Telemetry 专注于跨应用程序的有界结果事件和 SQL。
阅读比较Telemetry 与 OpenLIT
OpenLIT 是一个开源、OpenTelemetry 原生 AI 工程平台，具有自动检测、跟踪、评估、提示、实验、仪表板和收集器。 Telemetry 专注于 SQL 结果事件。
阅读比较