AI 资源库 · 已整理 5 项
查看与监控相关的 AI 资讯、工具、Skill、工作流和开源项目。
Colin Douch 分享了他搭建并扩展自托管可观测性系统的实战经验。过去团队要监控系统，往往得依赖 SaaS 服务，容易被供应商锁定、成本也不好控；他改用 Prometheus、VictoriaMetrics 和 Jaeger 等开源工具，把指标、结构化日志和分布式追踪关联起来，说明这样做在工程上有哪些取舍。对运维和平台团队来说，这提供了一套不依赖外部厂商、可自行掌控的监控方案思路。需要说明的是，材料只提到这是一场演讲，具体可用性和详细做法原文没有展开。
Dynatrace 是一家做应用和基础设施监控软件的公司，它推出了一款叫 Bluebox 的 AI 智能体，想让工程师的工作更轻松。以前监控工具一出问题就拼命发告警，工程师得自己排查、写修复代码，很费时间。Bluebox 会把团队的代码和线上实际运行数据做对比，然后直接生成一个修复补丁（pull request），工程师可以审核后决定是否采用，也可以让它自动运行。它还能把告警和修复建议推送到 Claude、Codex 这些开发者已经在用的工具里，不用再开一个新面板。Dynatrace 仍然提醒客户：批准修复前要先检查，别完全信任 AI 的输出。目前 Bluebox 在七月发布，已可以使用，但公司希望未来 12 到 18 个月团队能逐渐给智能体更多自主权。
Databricks 官方发了一篇指南，讲怎么收集 Databricks 和它底层 Spark 的运行数据（比如性能、成本、用量）。之前这些数据分散在各处，用户不容易统一查看和排查问题。这次介绍的方法主要是用系统表来查询日志、成本和性能指标，再配合 Spark UI、作业通知和 REST API，就能做分析和告警。不过要注意，系统表的数据不是实时的，延迟随 schema 不同，所以不能拿它做秒级告警；实时监控得靠作业通知和 API。
nhvang/kubeflow-python-orchestrator · Kubeflow Python SDK 2026: Run AI Workloads on Kubernetes Seamlessly
KubeMind SDK 自称是面向 Kubernetes 上 AI 工作负载的“认知结构”Python SDK，提供语义化流水线构建、预测式自动扩缩、基于概率依赖图的自愈能力、PyTorch/TensorFlow/JAX/ONNX 多框架运行时统一封装、因果时间线可观测性、Web 仪表盘、多语言错误提示与零信任安全壳等功能，并提供 gRPC/GraphQL/WebSocket 桥接以便非 Python 服务接入。README 中的性能数字与预测准确率均属其自述基准，未提供可核验材料。
monte-carlo-data/mc-agent-toolkit · Official Monte Carlo toolkit for AI coding agents. Skills and plugins that bring data and agent observability — monitoring, triaging, troubleshooting, health checks — into Claude Code, Cursor, and more.
Monte Carlo 官方推出的 AI 编程代理工具包，将数据可观测性（数据血缘、监控、校验、告警与元数据采集）带入开发工作流。工具包以单一插件形式打包多项技能（skill），涵盖资产健康检查、事件响应与分诊、根因分析、修复、代理链路排障、监控覆盖分析与监控器创建、Monitors-as-Code 管理、dbt/SQL 变更防护、存储成本分析、性能诊断、元数据推送采集、连接认证规则、AI 代理埋点以及仓库接入引导等，支持 Claude Code、Cursor、Copilot CLI、OpenCode、Codex 等编码代理，也可单独安装技能使用。