Foglamp
Foglamp — это платформа наблюдаемости для агентов ИИ, которая инструментирует вызовы LLM для отслеживания стоимости, задержки, трассировок, оценок, оповещений и расходов на каждого агента, помогая командам рано выявлять регрессии и плохие результаты.
https://www.foglamp.dev/?ref=producthunt&utm_source=aipure
Информация о продукте
Обновлено:22/06/2026
Что такое Foglamp
Foglamp — это продукт для разработчиков, ориентированный на наблюдаемость, разработанный для того, чтобы сделать агентов ИИ и приложения LLM измеримыми и отлаживаемыми в производстве. Он обеспечивает видимость затрат, задержек и качества каждого вызова LLM, а также помогает командам понять сквозное поведение агентов с помощью трассировок и каскадов выполнения, которые включают точные запросы и ответы. Инструментируя один раз с помощью SDK, Foglamp стремится централизовать мониторинг и анализ, чтобы команды могли уверенно выпускать агентные системы и быстро обнаруживать проблемы до того, как это сделают пользователи.
Ключевые особенности Foglamp
Foglamp — это SDK и платформа для обеспечения наблюдаемости агентов ИИ, которая позволяет командам однократно инструментировать вызовы LLM, а затем отслеживать затраты, задержки, трассировки и качество вывода в рамках полных многоагентных рабочих процессов. Она обеспечивает видимость на уровне каждого сегмента и каждого агента для запросов/ответов, каскадов выполнения и расходов по модели/клиенту, а также инструменты оценки (проверки кода и LLM-судьи) и оповещения о пороговых значениях, таких как регрессии затрат, скачки задержки и частота ошибок, помогая выявлять плохие результаты и неконтролируемые расходы до того, как это сделают пользователи.
Инструментарий с одним SDK: Однократная инструментация (например, generateText/streamText) и автоматический сбор сквозной телеметрии для вызовов LLM и запусков агентов.
Аналитика затрат и расходов: Отслеживание стоимости каждого вызова с разбивкой по модели, агенту и клиенту для выявления регрессий и оптимизации использования.
Трассировка и каскады выполнения: Визуализация полного потока вызовов с сегментами на каждого агента, задержкой и шагами в очереди, включая точный запрос и ответ для каждого сегмента.
Оценка качества производственного трафика: Оценка результатов с использованием детерминированных проверок кода и оценок LLM-судьи для мониторинга показателей прохождения и обнаружения ухудшенных ответов.
Правила оповещения и пороговых значений: Установка правил по стоимости, задержке и частоте ошибок для проактивного выявления инцидентов, таких как внезапное увеличение расходов или замедление работы.
Мониторинг, ориентированный на конфиденциальность: Разработан для поддержки наблюдаемости без сбора PII (как указано в позиционировании продукта «Без PII»).
Варианты использования Foglamp
Контроль затрат на функции ИИ в SaaS: Мониторинг расходов LLM на каждого арендатора и каждую функцию для предотвращения снижения прибыли, обнаружения 10-кратных регрессий затрат и обеспечения бюджетных ограничений.
Надежность агентов поддержки клиентов: Трассировка многошаговых агентов поддержки (поиск → черновик → критика) и оценка качества вывода для раннего выявления вредных или некорректных ответов.
Помощники по покупкам в электронной коммерции: Отслеживание задержек и ошибок в рабочих процессах агентов (поиск, рекомендации, помощь при оформлении заказа) и оповещение, когда производительность влияет на конверсию.
Помощники в сфере финансовых технологий/соблюдения нормативных требований: Использование оценок и трассировки для проверки правильности ответов и соблюдения политик при сохранении подхода к наблюдаемости без PII.
НИОКР и эксперименты с запросами/моделями: Сравнение моделей и версий запросов с использованием метрик стоимости/задержки/качества для выбора наилучшей конфигурации для производства.
Преимущества
Четкая видимость затрат, задержек и качества для каждого вызова LLM и каждого сегмента агента.
Сквозная трассировка с контекстом запроса/ответа ускоряет отладку рабочих процессов агентов.
Встроенная оценка и оповещение помогают выявлять регрессии до того, как их заметят пользователи.
Недостатки
Требуется добавление/поддержание инструментария SDK в вашей кодовой базе.
Хранение запросов/ответов для наблюдаемости может потребовать тщательного управления даже при подходе «без PII».
Наибольшая ценность зависит от того, насколько сильно вы полагаетесь на рабочие процессы LLM/агентов; может быть избыточным для минимального использования.
Как использовать Foglamp
1) Выберите, какой «Foglamp» вы имеете в виду (наблюдаемость ИИ или граничная платформа FogLAMP IIoT): Источники включают два разных продукта с похожими названиями: (A) Foglamp.dev (наблюдаемость для агентов ИИ) и (B) FogLAMP (граничный шлюз IIoT). Следуйте приведенному ниже руководству, которое соответствует вашей цели.
2) Foglamp.dev (агенты ИИ): Установите SDK: Добавьте Foglamp SDK в ваше приложение с помощью менеджера пакетов JavaScript/TypeScript (сайт показывает использование через `import { foglamp } from "foglamp"`).
3) Foglamp.dev (агенты ИИ): Инициализируйте Foglamp в коде: Создайте экземпляр клиента Foglamp, как показано: `import { foglamp } from "foglamp"; const fog = foglamp();`.
4) Foglamp.dev (агенты ИИ): Инструментируйте ваши вызовы LLM: Инструментируйте ваши вызовы `generateText` / `streamText` (на сайте указано «Две строки инструментируют каждый вызов generateText / streamText»), чтобы Foglamp мог фиксировать трассировки, задержку и стоимость за вызов.
5) Foglamp.dev (агенты ИИ): Проверяйте трассировки и каскады: Используйте Foglamp для просмотра диапазонов для каждого агента, полного потока вызовов и каскада для каждого запуска, включая точный запрос и ответ для каждого диапазона.
6) Foglamp.dev (агенты ИИ): Отслеживайте затраты и их распределение: Используйте представления затрат Foglamp, чтобы видеть расходы по модели, агенту и клиенту, а также выявлять регрессии (например, скачки затрат).
7) Foglamp.dev (агенты ИИ): Добавьте проверки качества и оценки: Оценивайте производственный трафик с помощью проверок кода и судей LLM, а также отслеживайте показатели прохождения (сайт подчеркивает производственную оценку и оценки).
8) Foglamp.dev (агенты ИИ): Настройте оповещения: Установите пороговые правила для стоимости, задержки и частоты ошибок, чтобы выявлять регрессии до того, как это сделают пользователи.
9) FogLAMP (IIoT): Установите предварительные требования (пример Debian/Ubuntu): Установите общие зависимости сборки/выполнения, упомянутые в источниках (примеры включают: `avahi-daemon`, `curl`, `cmake`, `g++`, `make`, `build-essential`, `autoconf`, `automake`, `uuid-dev`, `libtool`, `libboost-dev`, `libpq-dev`, `libssl-dev`, `libz-dev`, `python3-dev`, `python3-pip`, `postgresql`, `sqlite3`, `libsqlite3-dev`). Используйте `sudo` по мере необходимости.
10) FogLAMP (IIoT): Избегайте интерактивных запросов Kerberos (необязательно): При установке `krb5-user` установите `DEBIAN_FRONTEND=noninteractive`, чтобы избежать интерактивных вопросов KDC во время установки, как показано в источниках.
11) FogLAMP (IIoT): Соберите FogLAMP из исходного кода: Клонируйте репозиторий FogLAMP, затем запустите `make` в каталоге верхнего уровня для сборки.
12) FogLAMP (IIoT): Установите FogLAMP и установите FOGLAMP_ROOT: Запустите `make install` (или `sudo make install`, если требуется). Затем установите переменную среды `FOGLAMP_ROOT` в путь установки (по умолчанию указан `/usr/local/foglamp`).
13) FogLAMP (IIoT): Запуск из дерева разработки (альтернатива): Вместо установки вы можете запустить из дерева разработки, установив необходимую переменную среды, описанную в источниках (документация указывает, что требуется одна переменная среды, основанная на вашем базовом каталоге клонирования).
14) FogLAMP (IIoT): Установка через менеджер пакетов (опция инструментария разработчика): Настройте репозиторий пакетов Dianomic Systems (если он еще не настроен) и установите такие пакеты, как `foglamp-dev`, используя `apt`. Источники рекомендуют сопоставлять версию инструментария с версией FogLAMP, которую вы используете.
15) FogLAMP (IIoT): Запуск с PostgreSQL (необязательно): Если вы хотите использовать хранилище PostgreSQL, явно установите пакет PostgreSQL перед запуском FogLAMP (как указано в источниках).
16) FogLAMP (IIoT): Разработка или установка плагинов: Используйте плагины South для приема данных с устройств и плагины North для отправки данных в пункты назначения. Плагины могут быть написаны на Python или C/C++. Для сборок плагинов C/C++ в источниках отмечается, что заголовки/библиотеки обычно находятся в `/usr/include/foglamp` и `/usr/lib/foglamp`.
17) FogLAMP GUI (необязательно): Запустите GUI в режиме разработки: В каталоге `foglamp-gui` запустите `yarn install && yarn start` (или `yarn start --host <ip_address>` для доступа с другой машины). Затем откройте `http://localhost:4200/` (или `http://<ip_address>:4200/`).
18) FogLAMP GUI (необязательно): Соберите и разверните GUI: Запустите `./build --clean-start`, чтобы создать артефакты сборки в `dist/`. Разверните, скопировав `dist/` на целевую машину и обслуживая через nginx; в источниках упоминается использование предоставленного `nginx.conf` и обеспечение установки nginx (или nginx-light).
Часто задаваемые вопросы о Foglamp
Foglamp — это инструмент наблюдаемости для агентов ИИ, который позволяет отслеживать стоимость, задержку и качество вызовов LLM, помогая выявлять некорректные результаты до того, как их увидят пользователи.
Видео Foglamp
Популярные статьи
Atoms: Мультиагентная ИИ-платформа, которая превращает идеи в готовые к запуску продукты
May 22, 2026
Nano Banana SBTI: Что это такое, как это работает и как это использовать в 2026 году
Apr 15, 2026
Обзор Atoms — AI Product Builder, переопределяющий цифровое творчество в 2026 году
Apr 10, 2026
Kilo Claw: Как развернуть и использовать настоящего AI-агента "Сделай-Это-За-Вас" (Обновление 2026)
Apr 3, 2026
Последние ИИ-инструменты, похожие на Foglamp
Hapticlabs
Hapticlabs — это инструмент без кодирования, который позволяет дизайнерам, разработчикам и исследователям легко создавать, прототипировать и развертывать погружные тактильные взаимодействия на устройствах без программирования.
Deployo.ai
Deployo.ai — это комплексная платформа для развертывания ИИ, которая обеспечивает бесшовное развертывание, мониторинг и масштабирование моделей с встроенными этическими рамками ИИ и совместимостью с различными облачными провайдерами.
CloudSoul
CloudSoul — это AI-платформа SaaS, которая позволяет пользователям мгновенно развертывать и управлять облачной инфраструктурой через разговоры на естественном языке, делая управление ресурсами AWS более доступным и эффективным.
Devozy.ai
Devozy.ai — это платформа самообслуживания разработчиков с поддержкой AI, которая объединяет управление проектами в Agile, DevSecOps, управление многооблачной инфраструктурой и управление IT-услугами в единое решение для ускорения доставки программного обеспечения.
Популярные ИИ-инструменты, похожие на Foglamp
A2A Protocol
Протокол A2A (Agent2Agent) — это открытый протокол взаимодействия, разработанный Google, который обеспечивает беспрепятственное общение и сотрудничество между AI-агентами в разных фреймворках и поставщиках, независимо от их базовой архитектуры.
VoltOps
VoltOps — это агностическая к фреймворкам платформа наблюдения LLM, которая предоставляет инструменты визуального мониторинга, отладки и оптимизации в режиме реального времени для ИИ-агентов в любом технологическом стеке.
Chaterm
Chaterm - это терминал с открытым исходным кодом на основе искусственного интеллекта и сопроцессор SRE, который позволяет инженерам управлять сложной инфраструктурой с помощью естественного языка, автоматизируя развертывание, устранение неполадок и операции без запоминания команд.
Open Browser Use
Open Browser Use — это открытый, нейтральный к среде выполнения агентов уровень автоматизации браузера, который сочетает расширение Chrome с CLI/SDK/MCP для обеспечения DOM-ориентированного, CDP-управляемого контроля вкладок, навигации и действий в различных инструментах агентов ИИ.