Honeycomb 是一个面向 AI 时代软件构建的可观测性平台。工程团队使用 Honeycomb 跟踪代码进入生产环境后的表现，从追踪分布式服务到调试非确定性的 AI 工作流，Honeycomb 为人类和智能体提供对最终用户实际体验的共享视图。据官方介绍，Slack、Intercom 和 Dropbox 等团队在使用该平台。
用途 Honeycomb 定位于解决传统监控难以处理的问题，帮助工程团队理解生产环境中的软件行为，尤其针对 AI 时代软件的非确定性特点。其目标是让工程师和 AI 智能体始终拥有解决问题所需的上下文。
主要能力
- 智能体与 LLM 可观测性：获得 LLM 在生产环境中行为表现的细粒度洞察，更快排查故障，并实时基于真实数据持续改进模型性能。
- 基于 AI 智能体的可观测性：官方称 Canvas 可在 SLO 燃烧时自动运行调查，在用户打开电脑前就启动工作；Skills 将顶尖工程师的故障处理手册编码，供任何工程师或智能体执行；编码智能体可通过 Honeycomb MCP server 获得真实生产上下文。
- AI 智能体运维：像对待其他生产服务一样严格运维 AI 智能体，端到端追踪多智能体对话，在同一视图中查看 LLM 调用和系统故障，并按模型跟踪 token 成本与延迟。
- 分布式追踪：建立在十年分布式追踪经验之上，提供高基数数据和快速查询速度。
- 日志管理与分析。
- 遥测管道：统一平台，基于 OpenTelemetry 原生。
- 其他能力：Heatmaps、BubbleUp、SLO 和无限属性；可对生产数据进行实时查询，官方称无采样技巧、无预聚合、无死胡同。
使用方式 官方称数据在 90 秒内可用；可运行低于 10 秒的查询；使用 BubbleUp 在 3 分钟内完成根因分析。平台支持不限字段和不限用户且不额外收费，并称无供应商锁定。官方也提供关于 OpenTelemetry Collector 用于 LLM 可观测性的配置内容，以及一本关于可观测性核心原则的免费书籍。
适用场景 适用于需要追踪分布式服务、调试非确定性 AI 工作流、监控 LLM 生产行为、运维多智能体系统、统一查看遥测数据并进行日志分析的工程团队。
限制 资料未提供具体收费价格、免费试用条件、平台支持的语言或集成清单等信息，暂未提供。
