確保 AI 能如預期運作,且成本合理
內建品質評估
即時評估模型和代理程式的效能、品質和行為
追蹤並衡量輸出品質,使用能偵測幻覺、偏見、相關性、有害內容、情感及其他內建評估器的分數。
代幣使用量及成本
在 AI 技術堆疊中控制成本並最佳化資源
追蹤特定請求、模型、代理程式、工作流程和其他 AI 基礎設施元件的代幣使用情況、營運費用、GPU 和記憶體利用率,以及其他代幣經濟學和 GPU 相關指標隨時間的變化。
內建防護機制與控管措施
即時精確找出並減輕 AI 安全性風險
保護並改善模型的安全性、隱私權和安全防護機制,以防止 PII、PHI、PCI 洩漏、工具濫用和提示注入。遵守 AI 安全性標準,自信地建構並部署值得信賴的 AI 應用與系統。
代理效能分析
觀測代理程式效能
追蹤個別代理程式隨時間變化的請求數、錯誤、延遲時間、代幣使用量及品質分數,以建立基準、偵測異常值,並做出以資料為依據的決策。
代理程式工作流程分析
將步驟順序、依賴關係和交接過程視覺化
查看代理程式工作流程從請求到回應的相關工具呼叫、模型與檢索步驟,以調查故障原因。
以互動為中心的追蹤檢視
利用 AI 詳細資訊、標籤和範圍詳細資訊,取得追蹤層級的可見度
檢視輸入、輸出、系統提示以及與代理程式工作流程每個步驟相關聯的品質指標,以瞭解端對端根本原因。