PostHog

活跃
GitHub Python NOASSERTION

简介

PostHog 是面向 AI Agent 与自驱动产品的全栈可观测平台,集成分析、会话回放、特性开关与错误追踪。

核心特性

  • AI 可观测性 — 专门为 AI Agent 设计的 trace、token 用量与诊断面板
  • 会话回放 — 记录 Agent 执行的完整事件流,支持重放与调试
  • 特性开关与实验 — A/B 实验与渐进式发布,与 Agent 行为联动
  • 多源数据捕获 — 集成错误追踪、日志、Analytics 形成完整上下文
  • MCP 集成 — 通过 Slack、Web、桌面或 MCP 统一调度 Agent 任务
  • 自托管友好 — 提供开源核心,支持本地或私有云部署

适用场景

💡 追踪生产环境 AI Agent 的每一次工具调用与决策路径
💡 通过会话回放快速诊断 Agent 异常行为的根因
💡 为 Agent 行为做 A/B 实验,对比不同模型或提示词的效果
💡 通过 Slack 远程触发 Agent 任务并接收执行结果
💡 构建自托管的可观测平台以满足合规与数据安全需求

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(37.7k stars)

⚠️ 不足

  • Issue 积压较多(5.3k 个 open issues)
  • 缺少明确的开源许可证

快速开始

# 使用 Docker Compose 启动 PostHog
git clone https://github.com/PostHog/posthog.git
cd posthog
docker compose up -d

# 访问 http://localhost:8000 登录

相关项目

BAML

9.0k · Rust
活跃 A

BAML 是一个 AI 提示工程框架,通过类型安全的提示定义、自动测试、版本管理和多模型支持,将工程化实践引入 LLM 提示开发流程。

prompt-engineeringtype-safellm-testing +2
  • · 类型安全的提示定义语言,将提示工程转化为模式工程
  • · 内置 IDE 插件(VS Code / JetBrains),支持实时测试提示迭代
  • · SAP(Schema-Aligned Parsing)算法,即使模型不支持原生 tool-calling 也能实现可靠结构化输出