用途:分析 OpenAI Responses API 日志、Agents SDK 轨迹、OpenTelemetry/LangSmith/Langfuse 或自定义 span、会话记录与智能体循环代码,把每次模型调用、工具调用、检索、护栏、交接、缓存、人工审批、重试等当作带契约的效应操作,输出可机器读取的执行契约与反事实重写方案。核心主张是智能体延迟主要是类型化效应之间的协调问题,而非模型本身慢。
主要能力:将 span 归一化为效应表;推断 Latency Treaty IR,包括操作、提供方、依赖、使用策略、新鲜度、分支与权限策略、阻塞原因;重建 TTFU、最终输出与不可逆操作三条关键路径;生成保守、架构、激进三类反事实调度;识别序列化、往返放大、交接延迟、状态重载、缓存前缀不稳定等延迟病理;给出评分、验证方案与补丁级建议。
使用方式:接收原始对话记录、Responses API 对象与事件流、Agents SDK 轨迹导出或仪表板摘要、各类 span JSON/JSONL、工具 schema、提示模板、编排伪代码等。若缺少计时或 token 数据,则仅做定性契约分析并标注为推断,不虚构毫秒级收益。
随附工具:scripts/tracepact.py 归一化轨迹并输出 Markdown/JSON/DOT;scripts/openai_instrumentation_snippets.py 打印所需追踪字段片段;schemas 目录提供归一化轨迹、延迟契约与报告三份 schema。
限制:资料未提供安装命令、收费与价格、平台支持细节及独立验证结果,这些暂未提供;报告中所有节省量需以实际追踪证据或验证计划为依据。