full-project
埋點核心產品
當您希望代理查詢重要的產品工作流程、新增結構化事件並建立第一個儀表板時使用。
埋點核心產品
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
追蹤 OpenAI 和 LLM 成本
當最重要的未知因素是模型使用、代幣花費、延遲、工具呼叫和失敗的 AI 請求時使用。
追蹤 OpenAI 和 LLM 成本
使用 Telemetry 檢測該專案，以便我們可以瞭解 OpenAI 和 LLM 的用法。
使用 /skill.md 和此 Telemetry API 金鑰：YOUR_API_KEY
請登入：
1. 每個型號請求均帶有 model、provider、route、feature、input_tokens、output_tokens、total_tokens、estimated_cost_usd、latency_ms、status 和 error_type（如果相關）。
2、座席或助理進行工具呼叫，包括tool_name、status、latency_ms、result_category。
3. 面向使用者的AI工作流程結果，包括feature、status、retry_count，以及使用者是否是accepted、copied、saved或discarded結果。
4. 儀表板，其中包含每日成本、按功能劃分的成本、按模型劃分的故障、p95 延遲和可接受的輸出率。
除非我明確批准儲存提示和原始完成，否則不要將提示和原始完成情況保留在遙測中。checkout
追蹤註冊到付費轉化
當您需要從登入頁面存取者到註冊、入職、結帳和付費團隊活動的乾淨渠道時使用。
追蹤註冊到付費轉化
使用 Telemetry 檢測收購和收入漏斗。
使用 /skill.md 和此 Telemetry API 金鑰：YOUR_API_KEY
請新增結構化事件：
1. 營銷頁面瀏覽量、CTA 點選量、定價計劃選擇、文件 CTA 點選量和提示副本。
2. 註冊嘗試、成功註冊、加入步驟、團隊建立、第一個 API 金鑰建立以及收到的第一個遙測事件。
3. 結帳開始、結帳成功、計劃更改、計費門戶開啟和付款失敗。
4. 啟用里程碑：建立第一個資料表、執行第一個查詢、建立第一個儀表板、建立第一個警示和第二個活動日。
建立一個儀表板，供訪客註冊、註冊啟用團隊、啟用團隊付費以及按啟用里程碑進行每週保留。api-reliability
追蹤 API 可靠性
當產品品質取決於對請求量、延遲、錯誤和影響客戶的事件的瞭解時使用。
追蹤 API 可靠性
新增 Telemetry 儀器以確保 API 可靠性。
使用 /skill.md 和此 Telemetry API 金鑰：YOUR_API_KEY
請使用 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 記錄每個重要的 API 端點。
建立：
1. API請求事件資料表。
2. 請求量、錯誤率、p50 和 p95 延遲以及排名靠前的失敗端點的圖表。
3. 5xx 速率升高、p95 延遲緩慢和流量突然下降的警示。
不要記錄請求正文、身分驗證標頭、cookie、機密或原始使用者內容。background-jobs
追蹤後台作業
當佇列、cron 任務、匯入、計費同步或 webhook 需要操作可見性時使用。
追蹤後台作業
使用 Telemetry 檢測後台作業和非同步工作人員。
使用 /skill.md 和此 Telemetry API 金鑰：YOUR_API_KEY
請使用 job_name、queue_name、attempt、status、duration_ms、scheduled_at、started_at、completed_at、item_count 記錄 job_started、job_completed 和 job_failed 事件， retry_count 和 error_type。
建立一個儀表板，顯示按作業列出的吞吐量、按作業列出的故障、p95 持續時間、重試量、最舊的掛起作業和死信事件。新增針對停滯作業和重複失敗的警示。retention
追蹤產品使用情況和保留情況
當您需要了解啟用、重複使用、功能採用以及哪些操作與保留帳戶相關時使用。
追蹤產品使用情況和保留情況
Telemetry 儀器產品的使用和保留。
使用 /skill.md 和此 Telemetry API 金鑰：YOUR_API_KEY
請新增結構化事件：
1. 註冊、完成入職步驟、建立團隊、首次成功整合以及首次有意義的產品操作。
2. feature_name、action、曲面、team_id、user_id、status、latency_ms 和 error_type 相關的核心功能使用。
3. 保留里程碑：第二個活躍日、第一個儲存的儀表板、第一個共享工件、建立的第一個警示以及 7 天后的首次返回。
4. 擴充套件訊號：邀請的隊友、升級的計劃意圖、檢視的計費頁面、達到使用限制以及請求支援。
建立一個儀表板，用於顯示啟用率、每週活躍團隊、功能採用、按首次操作保留的團隊以及升級意圖事件。範本
複製特定於工作流程的簡介
AI代理可觀測性範本
透過結構化 SQL 就緒事件追蹤代理執行、工具呼叫、重試、模型延遲、錯誤和接受的結果。
開啟範本後台作業失敗監視器
從第一次執行到重試和失敗，捕獲佇列、cron、匯入、計費同步和 webhook 作業執行狀況。
開啟範本API錯誤和延遲監視器
監視請求量、狀態程式碼、路由延遲、失敗的端點以及影響客戶的 API 事件。
開啟範本法學碩士成本追蹤
按功能、使用者和帳戶衡量模型支出、代幣使用、延遲、故障率和價值訊號。
開啟範本Webhook 除錯範本
追蹤關鍵 Webhook 的交付、處理、重試、提供程式狀態、冪等性和下游影響。
開啟範本啟用和保留範本
追蹤從註冊到第一個有意義的操作、保留使用、升級意圖和擴充套件訊號的路徑。
開啟範本事件追蹤計劃範本
建立可審查的事件目錄，涵蓋粒度、所有權、欄位、隱私、保留、驗證和下游 SQL 依賴項。
開啟範本AI代理安全稽核範本
埋點工具授權決策、策略版本、人工批准和終端結果以及隱私安全的結構化事件。
開啟範本資料庫可靠性監控範本
透過安全的結構化事件來檢測緩慢的操作指紋、池爭用、事務回滾、鎖定、複製延遲和遷移結果。
開啟範本整合
為現有技術堆疊新增事件
OpenAI 代理Telemetry
使用結構化事件記錄 OpenAI 代理執行、工具呼叫、模型使用、延遲、成本和最終結果。
開啟指南瀏覽器 JavaScript 和 Web Vitals Telemetry
透過速率受限的伺服器代理收集核心 Web Vitals 和有限的前端結果，而無需暴露 Telemetry API 金鑰。
開啟指南Vercel AI SDK 遙測
追蹤 AI SDK 工作流程的流式傳輸完成情況、權杖使用情況、重試、延遲和接受的結果。
開啟指南Ingest 和 Trigger.dev 作業 Telemetry
使用 SQL 就緒日誌檢測非同步工作執行緒、計劃作業、重試、失敗和死信事件。
開啟指南Stripe Webhook 遙測
除錯支付、訂閱、發票、重試和下游計費同步行為，無需儲存 Webhook 主體。
開啟指南Supabase 和 Postgres 應用程式 Telemetry
追蹤產品工作流程、資料庫相關作業、API 路由以及伺服器程式碼中面向客戶的故障。
開啟指南Cloudflare 工作人員 Telemetry
記錄邊緣請求狀態、延遲、提供商故障、cron 執行以及來自 Cloudflare Workers 的佇列工作人員。
開啟指南Node.js 和快速結構化記錄
Instrument Express 路由結果具有穩定的路由範本、狀態程式碼、請求延遲和安全關聯欄位。
開啟指南Next.js 伺服器事件分析
從 Next.js 路由處理程式和伺服器操作傳送 SQL 就緒事件，而無需向瀏覽器公開攝取金鑰。
開啟指南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OpenTelemetry 結構化事件中的上下文
透過在工作流程邊界記錄安全追蹤和跨度識別符號，將 Telemetry 業務事件連線到現有 OpenTelemetry 追蹤。
開啟指南AWS Lambda 結構化事件監控
透過緊湊的結構化事件追蹤 Lambda 呼叫、冷啟動、持續時間、重試和業務成果。
開啟指南Go HTTP 伺服器結構化記錄
將型別化的請求結果事件新增到 Go HTTP 服務，以獲取路由錯誤率、延遲百分位數和版本比較。
開啟指南Ruby on Rails 結構化事件分析
透過 Telemetry 的 HTTP API 使用安全、可查詢的欄位記錄 Rails 控制器和後台工作流程結果。
開啟指南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Laravel 結構化記錄和佇列分析
將 Laravel 請求、命令、佇列和計費結果作為型別化事件傳送，而不會暴露應用程式機密或有效負載。
開啟指南.NET 和 Serilog 結構化事件分析
除了針對 ASP.NET 請求延遲、故障、版本和客戶影響的 Serilog 診斷之外，新增重點 Telemetry 結果事件。
開啟指南Spring Boot 結構化事件監控
透過 Telemetry 的 HTTP API 記錄 Spring MVC 和預定工作流程結果，並提供穩定的路由、延遲、狀態和追蹤上下文。
開啟指南時間工作流程可觀測性
追蹤臨時工作流程結果、活動重試、計劃啟動延遲和業務里程碑，而無需記錄工作流程負載。
開啟指南BullMQ 佇列監控
使用 SQL 就緒生命週期事件測量 BullMQ 佇列等待、執行持續時間、重試、失敗和死信成長。
開啟指南AWS SQS 佇列可觀測性
追蹤 SQS 訊息期限、接收嘗試、處理結果、批次處理行為和死信路由，而無需儲存訊息正文。
開啟指南Kafka 消費者延遲和處理分析
使用結構化事件監控 Kafka 消費者結果、分割區延遲、處理延遲、重試和有害訊息處理。
開啟指南人類克勞德 API Telemetry
追蹤 Claude API 權杖使用情況、模型、延遲、停止原因、錯誤、成本背景以及審查的產品結果，而無需儲存提示。
開啟指南LangGraph 代理可觀測性
測量 LangGraph 執行結果、節點和工具故障、重試、檢查點、人工切換、延遲和審查的任務品質。
開啟指南node-postgres 池和查詢 Telemetry
埋點節點-postgres 查詢指紋、連線獲取、池壓力、超時、事務結果和資料庫錯誤，無需記錄 SQL 參數。
開啟指南Prisma ORM 資料庫 Telemetry
測量 Prisma 操作指紋、模型和方法延遲、故障、結果計數、版本和依賴於資料庫的工作流程，而無需收集原始查詢參數。
開啟指南Kubernetes 工作負載 Telemetry
將有界 Kubernetes 重啟、準備情況和部署觀察結果傳送到 Telemetry 以進行工作負載級 SQL 分析。
開啟指南谷歌雙子座 API Telemetry
追蹤 Gemini 請求延遲、模型使用情況、權杖、完成原因、錯誤和審查的產品結果，而無需儲存提示或生成的內容。
開啟指南亞馬遜基岩型號 Telemetry
透過模型或推理設定檔案、權杖使用情況、延遲、停止原因、重試和業務成果來衡量 Bedrock Converse 請求。
開啟指南Azure OpenAI 回應 Telemetry
透過可編輯的 SQL 就緒事件追蹤 Azure OpenAI 部署使用情況、權杖成本、延遲、故障和產品結果。
開啟指南LangChain代理結果Telemetry
將 LangChain 代理執行和工具結果與面向產品的成本、可靠性、移交和驗收指標連線起來，而無需重複原始追蹤。
開啟指南皮諾結構化事件分析
將 Pino 診斷日誌與有界 Telemetry 結果事件配對，以進行 Node.js 請求、作業和產品可靠性分析。
開啟指南溫斯頓結構化事件分析
將 Winston 應用程式診斷連線到小型 SQL 就緒請求、工作流程和作業結果，而無需複製整個日誌流。
開啟指南NestJS 請求和工作流程 Telemetry
為 NestJS 控制器和提供者提供規範化的路由結果、延遲、錯誤、版本和批准的帳戶上下文。
開啟指南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Sidekiq 作業 Telemetry
追蹤 Sidekiq 執行結果、嘗試、佇列等待、錯誤以及伺服器中介軟體的釋放，而無需復製作業參數。
開啟指南Redis 和節點-redis Telemetry
與 Node-Redis 一起測量 Redis 命令結果、延遲、快取行為、重新連線和有限錯誤類別。
開啟指南克勞德代理SDK Telemetry
追蹤 Claude Agent SDK 執行結果、持續時間、工具活動、週轉、成本和批准的產品訊號，無需儲存提示或工具負載。
開啟指南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Google ADK 代理 Telemetry
透過 SQL 就緒事件衡量 Google 代理開發工具包會話、執行結果、工具活動、切換、延遲和批准的產品訊號。
開啟指南馬斯特拉代理Telemetry
追蹤 Mastra 代理和工作流程結果、工具活動、延遲、重試、成本和產品驗收以及內建追蹤和評估。
開啟指南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。
開啟指南語義核心代理 Telemetry
測量語義核心功能和代理結果、工具活動、模型使用、延遲、成本和發布以及 OpenTelemetry 追蹤。
開啟指南MCP 伺服器和工具 Telemetry
追蹤模型上下文協議工具的結果、延遲、錯誤、批准、重試、客戶端和發布，而不儲存參數或返回的內容。
開啟指南RabbitMQ 佇列 Telemetry
透過結構化事件追蹤 RabbitMQ 發布確認、傳送、確認、重新傳送、佇列等待、重試和死信結果。
開啟指南MySQL 查詢和池 Telemetry
追蹤標準化 MySQL 操作、池等待、事務結果、受控錯誤類別和發布迴歸，而無需儲存原始 SQL 或參數。
開啟指南MongoDB 操作 Telemetry
追蹤指定的 MongoDB 操作、延遲、結果計數、重試、事務結果和發布迴歸，而無需收集文件或查詢值。
開啟指南谷歌雲執行 Telemetry
使用應用程式擁有的結構化事件追蹤 Cloud Run 請求和作業結果、冷啟動上下文、執行個體併發性、重試、延遲和發布。
開啟指南Google Cloud Pub/Sub 遙測
使用穩定的訊息識別符號追蹤 Pub/Sub 發布、交付、確認、重新交付、排序、佇列壽命和死信結果。
開啟指南Azure 函式 Telemetry
透過呼叫、重試、延遲、發布和客戶影響上下文追蹤 Azure Functions HTTP、計時器、佇列和事件觸發結果。
開啟指南Azure 服務匯流排 Telemetry
追蹤 Azure 服務匯流排傳送、接收、鎖定續訂、結算、重新傳遞、延遲和死信結果，而無需收集訊息正文。
開啟指南OpenAI 回應 API Telemetry
測量 OpenAI 回應 API 延遲、權杖使用、工具活動、故障和下游結果，而無需收集提示或生成的內容。
開啟指南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Elixir Phoenix Telemetry 整合
附加到 Phoenix 請求生命週期事件並轉發有界終端請求結果，而無需複製連線資料、參數或異常文字。
開啟指南AWS ECS 和 Fargate Telemetry 整合
使用本地任務後設資料端點將 ECS 任務系列、修訂、可用區和發布上下文新增到應用程式結果。
開啟指南GitHub 操作工作流程 Telemetry 整合
從 GitHub 操作傳送有界終端工作流程結果，其中包含執行、嘗試、作業、結論、持續時間和發布上下文。
開啟指南n8n 工作流程 Telemetry
透過 HTTP 請求節點將 n8n 工作流程完成、失敗、重試、專案計數和下游交付結果傳送到有界 Telemetry 事件。
開啟指南使用案例
為你的應用程式選擇設定指南
Claude Code 可觀測性
給 Claude Code 一個提示，使遙測成為實施過程的一部分，而不是單獨的清理專案。
開啟設定頁面Cursor Telemetry 設定
可複製的設定提示，用於從 Cursor 內部新增事件資料表、漏斗追蹤和儀表板。
開啟設定頁面Codex儀表提示
一個重點提示，要求 Codex 檢測產品的其餘部分、驗證事件並總結覆蓋範圍差距。
開啟設定頁面OpenAI 成本監控
透過 SQL 儀表板和預算警示，按模型、功能、客戶、延遲、錯誤率和結果監控 OpenAI 和 LLM 支出。
開啟設定頁面產品保留分析
使用代理安裝的結構化事件來了解哪些早期操作可以建立回頭客和收入就緒的團隊。
開啟設定頁面AI Agent Telemetry 和可觀測性
對 SQL 就緒事件資料表中的執行、工具呼叫、重試、延遲、模型成本、失敗和接受的結果進行埋點 AI 代理遙測。
開啟設定頁面後台作業監控
使用結構化事件檢視作業吞吐量、重試、失敗、死信、佇列執行狀況和 p95 持續時間。
開啟設定頁面Webhook 除錯
追蹤 Webhook 交付、處理、重試、重複資料刪除、下游作業和故障，而無需儲存原始負載。
開啟設定頁面API可靠性監控
使用 SQL 追蹤 API 請求量、狀態程式碼、延遲、超時、客戶影響和失敗端點。
開啟設定頁面加密貨幣和鏈上自動化監控
追蹤索引事件、代理操作、交易成本、錢包工作流程、工具呼叫和失敗的自動化作業。
開啟設定頁面使用 SQL 的基礎設施指標
當您需要可查詢的主機和容器歷史記錄而無需進行大規模監控時，傳送結構化基礎設施事件。
開啟設定頁面基於使用情況的計費分析
根據冪等結構化事件建置可靠的使用分類帳、配額儀表板、超額工作流程和計費對賬。
開啟設定頁面安全和稽核日誌分析
針對身分驗證失敗、存取更改、特權操作和事件時間表設計隱私感知安全事件。
開啟設定頁面AI代理安全監控
監控工具授權、策略拒絕、批准佇列、有風險的操作類和發布更改，而無需儲存提示、憑據或工具負載。
開啟設定頁面AI代理品質與評估
將代理執行、審閱者結果、人工交接、成本和發布更改連線到可重複的品質評估工作流程。
開啟設定頁面使用 SQL 進行資料庫可靠性監控
追蹤安全查詢指紋、池壓力、事務回滾、鎖爭用、複製延遲和遷移結果，而無需收集原始 SQL 參數。
開啟設定頁面使用 SQL 進行前端效能監控
透過穩定的路線和發布追蹤型別化的 LCP、INP 和 CLS 樣本，然後使用 SQL 查詢前端迴歸，而無需收集原始 URL 或頁面內容。
開啟設定頁面使用 SQL 進行 Kubernetes 可靠性監控
一起追蹤 Kubernetes 工作負載轉換和應用程式結果，以便 SQL 可以將計劃的部署活動與重複重啟和服務影響分開。
開啟設定頁面使用 SQL 進行 SaaS 收入分析
根據訂閱變動、發票、權利和產品結果建置可審查的 SaaS 收入模型，而不是依賴斷開連線的計費快照。
開啟設定頁面Telemetry 使用 SQL 進行資料品質監控
監視事件新鮮度、必填欄位、型別、重複項、架構版本和數量，以便在損壞的埋點成為誤導性業務或可靠性指標之前發現它。
開啟設定頁面產品比較
PostHog 用於後端事件
PostHog 是一個廣泛的產品堆疊，包含產品分析、渠道、保留、SQL 和資料倉儲。當主要工作是結構化後端事件捕獲、可檢查 SQL 和代理安裝的操作儀表板時，Telemetry 是較窄的選擇。
閱讀比較Datadog 初創公司的替代方案
Datadog 是一個廣泛的可觀測性和安全平臺。當小團隊需要結構化應用程式事件、SQL 儀表板和閾值警示而不首先採用完整的基礎設施和 APM 套件時，Telemetry 是一個重點替代方案。
閱讀比較ClickHouse 不執行 ClickHouse 記錄 API
ClickHouse 和 ClickStack 提供了強大的、可擴充套件的分析和可觀測性基礎。當您想要結構化事件查詢而不設計或操作周圍的資料庫和可觀測性堆疊時，Telemetry 是較小的託管工作流程。
閱讀比較結構化事件分析的 Axiom 替代方案
Axiom 是一個成熟的雲原生遙測平臺，具有攝取、搜尋、APL 查詢、儀表板、監視器和廣泛的可觀測性工作流程。當小團隊特別需要型別化應用程式事件、熟悉的 SQL 和程式設計代理安裝的操作分析時，Telemetry 是更窄的選擇。
閱讀比較Better Stack SQL 事件分析的日誌替代方案
Better Stack 結合了日誌、儀表板、警示、事件管理和正常執行時間工作流程。當核心需求是使用 SQL 查詢結構化應用程式結果並透過程式碼儲存庫感知提示進行安裝時，Telemetry 是更集中的選擇。
閱讀比較Honeycomb 輕量級寬範圍事件的替代方案
Honeycomb 專為高基數可觀測性和除錯具有廣泛事件和追蹤的分散式系統而建置。當首要需求是自定義應用程式和業務事件、SQL 分析以及簡單的儀表板或警示時，Telemetry 是一個更輕的替代方案。
閱讀比較Grafana 結構化日誌 SQL 的 Loki 替代方案
Grafana Cloud 和 Loki 提供廣泛的日誌、指標、追蹤、儀表板和警示生態系統。當團隊需要託管 JSON 事件資料表和 SQL 而無需組裝或操作周圍的可觀測性堆疊時，Telemetry 是重點替代方案。
閱讀比較結構化事件和 SQL 的 Sentry 替代方案
Sentry 結合了錯誤監控、追蹤、分析、會話重放和應用程式執行狀況日誌。當團隊的首要需求是自定義結構化工作流程事件和 SQL 分析而不是以異常為中心的除錯時，Telemetry 是更窄的替代方案。
閱讀比較結構化事件的 Splunk 替代方案
Splunk 提供廣泛的搜尋、安全、日誌分析、基礎設施監控、APM、真實使用者監控和基於 OpenTelemetry 的收集。當團隊需要專門建置的應用程式事件、SQL 和更小的操作介面時，Telemetry 是更窄的選擇。
閱讀比較結構化事件 SQL 的彈性替代方案
Elastic Observability 結合了 Elasticsearch、Kibana、日誌、指標、APM、分析和 OpenTelemetry 集合。當主要工作是管理應用程式事件攝取和 SQL 分析而不操作或建模更廣泛的 Elastic 部署時，Telemetry 是重點替代方案。
閱讀比較結構化事件的新遺蹟替代方案
New Relic 是一個廣泛的可觀測性平臺，涵蓋 APM、基礎設施、日誌、瀏覽器、移動、合成、錯誤和 NRQL。當團隊需要自定義結構化結果、SQL 和輕量級事件分析工作流程時，Telemetry 是更窄的選擇。
閱讀比較Telemetry 與 Langfuse 的 AI 可觀測性
Langfuse是一個LLM工程平臺，用於追蹤、提示管理、評估、資料集和實驗。 Telemetry 是更窄的 SQL 優先選項，適用於緊湊代理、成本、可靠性和產品結果事件。
閱讀比較Telemetry 與 LangSmith 的 AI 可觀測性
LangSmith 為 LLM 應用程式提供追蹤、評估、資料集、實驗和部署選項。 Telemetry 專注於跨 AI 和應用程式工作流程的緊湊結果事件和 SQL。
閱讀比較Telemetry vs 阿里茲·菲尼克斯
Arize Phoenix 是一個圍繞追蹤、提示、資料集和實驗建置的開源 AI 可觀察和評估平臺。 Telemetry 專注於緊湊的結構化結果和 SQL。
閱讀比較Telemetry 與 Pydantic Logfire 比較
Pydantic Logfire 將基於 OpenTelemetry 的應用程式可觀測性與 AI 追蹤和對話檢視相結合。 Telemetry 是一個較窄的結構化事件和 SQL 結果層。
閱讀比較Telemetry 與 Mixpanel
Mixpanel 是一個圍繞行為報告（例如洞察、渠道、流量、保留和群組）建置的產品和數字分析平臺。 Telemetry 是 SQL 相對於應用程式擁有的產品和操作事件的更窄的選擇。
閱讀比較Telemetry 與幅度
Amplitude 是一個數字分析平臺，具有針對事件、渠道、保留、旅程、群組和實驗的產品分析工作流程。 Telemetry 專注於緊湊的結構化事件和顯式 SQL。
閱讀比較Telemetry 與 Braintrust 對比
Braintrust是一個圍繞實驗、資料集、評分器、提示和生產追蹤建置的人工智慧評估和可觀察平臺。 Telemetry 專注於 SQL，而不是選定的 AI 和產品結果。
閱讀比較Telemetry 與 Helicone 對比
Helicone 將 AI 閘道器與 LLM 請求可觀測性、會話、成本分析、快取和警示相結合。 Telemetry 是一個與提供商無關的 SQL 層，用於選定的 AI 和應用程式結果。
閱讀比較Telemetry vs 奧皮克
Opik 是一個開源 LLM 評估和可觀測性平臺，具有追蹤、資料集、指標、實驗和測試套件。 Telemetry 專注於有限 AI 上的 SQL 和應用程式結果。
閱讀比較Telemetry 與 W&B Weave 對比
W&B Weave 是一個人工智慧可觀察和評估平臺，具有追蹤、資料集、評分器、版本控制、回饋和生產監控。 Telemetry 專注於 SQL，而不是選定的 AI 和產品結果。
閱讀比較Telemetry 與 GenAI 的 MLflow
MLflow 提供與 OpenTelemetry 相容的 GenAI 追蹤、評估、提示版本控制、實驗和生產監控。 Telemetry 專注於跨應用程式的有界結果事件和 SQL。
閱讀比較Telemetry 與 OpenLIT
OpenLIT 是一個開源、OpenTelemetry 原生 AI 工程平臺，具有自動檢測、追蹤、評估、提示、實驗、儀表板和收集器。 Telemetry 專注於 SQL 結果事件。
閱讀比較