Laminar 是一个开源的 AI 智能体可观测性平台，专注于追踪、评估和调试 AI 智能体。它旨在帮助开发者大规模地发现并修复智能体故障。
主要能力：
- 自动捕获：Laminar 自动捕获 LLM 调用、工具调用、子智能体、成本和令牌，并以可读的转录视图展示。
- 失败发现：Laminar Signals 分析每次智能体运行，揭示未预料到的失败模式。相似失败被聚类为不同模式，提供高层概览。信号聚类展示智能体失败和行为的完整分布，帮助判断新报告的问题是否曾出现过。
- 成本效益：flow-1 是经过微调和 RL 后训练的模型，用于智能且高效的追踪分析，其追踪分析智能与 GPT-6 Sol 相当，而每美元分析的追踪数量是其 20 倍。
- Slack 集成：Laminar 通过 Slack 通知新失败和聚类，并可在 Slack 中提及 Laminar 询问关于追踪的任何问题。
- 编码智能体支持：Laminar CLI 和 MCP 为编码智能体提供对 Laminar 的完整 SQL 访问，可调查追踪、构建评估并验证修复。
- 回归检测：每个修复的错误聚类可自动转换为评估数据集。变更后运行评估以捕获回归，从而自信地迭代。
- 集成简便：两行代码即可与 Claude Agent SDK、OpenAI Agents SDK、LangChain DeepAgents 等集成。
- 自动输入提取：Laminar 从每次运行中提取智能体任务，便于从生产追踪轻松创建端到端评估数据集。
- 自定义仪表板：使用自定义 SQL 查询构建仪表板，追踪来自追踪和信号的统计数据。
- 完整 SQL 访问：使用原始 SQL 查询所有平台数据。编码智能体可通过 MCP 或 CLI 查询数据。
- 数据标注界面：从追踪、数据集行或 SQL 结果构建带标签的数据集，用于评估和微调。
- 浏览器智能体屏幕录制：捕获智能体的浏览器会话，与追踪一同展示。
- 全文搜索：跨每个 span 的输入、输出和属性进行全文搜索。
- 存储优化：Laminar 仅存储智能体运行中的唯一内容，实现更快摄取和 20 倍更便宜的存储。
- 开源与部署：自第一天起开源，Apache 2.0 许可证。可通过 Docker 设置，使用 Helm charts 部署在 AWS 或 GCP 上，或在 Kubernetes 上使用 Laminar Helm chart 运行。
- 企业就绪：符合 HIPAA 和 SOC 2 Type II。在 Laminar 自己的基础设施上存储前，从每个 span 中编辑敏感信息（PII 编辑）。
使用方式：
- 集成：通过两行代码与支持的框架集成。
- 部署：使用 Docker 设置，或通过 Helm charts 部署在 AWS、GCP 或 Kubernetes 上。
- 交互：通过 Slack 接收通知并查询，或使用 CLI 和 MCP 让编码智能体进行 SQL 访问。
- 评估：从追踪构建评估数据集，在变更后运行评估以检测回归。
适用场景：
- 大规模运行 AI 智能体的团队，需要监控和调试智能体行为。
- 需要发现未预料到的失败模式并聚类分析的场景。
- 需要从生产追踪构建评估数据集并进行回归测试的开发者。
- 需要企业级合规（HIPAA、SOC 2 Type II）和 PII 编辑的组织。
- 使用 Claude Agent SDK、OpenAI Agents SDK、LangChain DeepAgents 等框架的智能体开发。
限制：
- 资料中未提供具体价格信息。
- 资料中未提供其他潜在限制或系统要求。
- 资料中未提供支持的编程语言或具体环境细节。
Laminar 由 CEO Magnus Müller 领导，其客户表示在云中运行数百万智能体会话，出现问题时 Laminar 的追踪视图是首要查看的地方。
