OpenObserve 的 AI 可观测性（AI Observability by OpenObserve）在统一的可观测性技术栈内，为 AI 智能体和大语言模型提供原生 OpenTelemetry 追踪、会话重放以及自动化评估能力。
产品用途与官方定位
OpenObserve 的 AI 可观测性是一套针对大语言模型与智能体的监控解决方案，能够摄取原生 OpenTelemetry 遥测数据，以全面追踪模型调用、工具执行及子智能体工作流。
该平台将 AI 应用追踪与底层系统指标、日志及数据存储进行关联分析，支持团队使用 SQL 和 PromQL 评估响应质量并排查智能体运行故障。
有官方来源支持的使用场景
工程团队可以可视化查看智能体调用树与会话重放，从而快速识别执行死循环、工具故障和延迟瓶颈。
团队可利用大模型裁判（LLM-as-judge）或远程评分器，针对相关性、幻觉、偏见和毒性基准实时评估线上大模型请求。
OpenObserve 通过呈现可视化智能体图谱（Agent Graph）来跟踪智能体应用，清晰展现子智能体、基础模型、外部工具与数据存储之间的复杂交互。图谱采用颜色标记的边框直观提示各个依赖项的错误率与性能受损路径。
会话调试界面允许工程师完整重放多轮交互过程。用户能够深入审查 Token 分布、工具调用输出结果与延迟热点，并直接下钻跳转至关联的底层分布式追踪详情中。
用自己的素材和工作流完成验证
核对了哪些信息以及核对时间
基于已核对产品资料的回答
如果应用程序已经生成标准 OpenTelemetry gen_ai span 或遵循 OpenInference 规范，则无需重新插桩。平台原生支持包括 LangChain、CrewAI 和 LlamaIndex 在内的主流框架。
在线评估任务通过远程 HTTP 评分器或结合所选模型供应商的 LLM-as-judge，对传入的 Span、追踪或完整会话进行打分，并将输出结果与预先配置的阈值进行比对校验。
OpenObserve 支持作为覆盖四个区域的完全托管云服务运行，也可通过单一 Rust 二进制文件进行本地自托管部署，或配置为将所有数据存储在客户自有的对象存储桶中。
用户可以在 OpenObserve 的统一关联引擎中，使用 SQL 和 PromQL 对包括大模型追踪、基础设施指标及日志在内的各类遥测数据进行无缝查询与交叉分析。
生产追踪数据可定向路由至标注队列，以便在自动化评估器之外叠加人工打分，同时经人工审查确认的追踪数据还能直接提炼沉淀为评估数据集，用于后续测试与回归验证。
