跨国深谈← 返回←可观测性 (observability)

集里怎么说它

• 《Julie Zhuo：管理者的核心技能，就是驾驭AI的技能》(28:16起):本集说可观测性是很多快速增长 AI 公司缺失的基础设施——十来个人就有数亿 ARR，但没有日志、没有数据团队，靠直觉和良好氛围跑，增长一旦停止就会手忙脚乱
• 《评测优先:Braintrust 创始人谈 AI 产品开发的真正工程》(14:44起):本集说把 Braintrust 和 Datadog 都当成可观测性产品是短视的看法——两者目标本质不同
• 《Cloudflare 三人聊：让模型直接写代码，别再堆工具了》(08:00起):本集说可观测性与 code mode、MCP 三者拼在一起能形成闭环，实现自愈、自调整的基础设施，不用再担心谁半夜改错配置
• 《Anthropic 零信任框架：智能体安全的六层防御》(24:04起):本集说可观测性解决「智能体干了什么」，需要一条完整链路追踪：哪个用户用哪个 API 密钥触发了哪个智能体、发了什么提示、调了什么工具、输入是什么、被哪条策略拦了
• 《DevOps 之父谈智能体开发：谁来管、怎么管、别踩什么坑》(24:23起):Patrick指出好的可观测性对AI和对人都好；Tamuz具体要求可观测性平台必须对智能体可查询，让智能体能验证自己做的任务并追溯检查日志
• 《AI 智能体怎么认证：从标准到红队测试的全流程》(33:58起):本集说当系统行为出错时，可以通过可观测性回溯查看发生了什么
• 《Claude Tag:住在 Slack 里的主动型队友，如何让 65% 的 PR 由 AI 开出》(44:13起):本集在描述托管智能体产品承担的职责时，顺带提到基础设施和可观测性
• 《DevOps 之父 Patrick Debois：AI 时代组织比技术更难成熟》(17:21起):本集把它说成从 DevOps 延伸过来的概念，是自动化的反馈渠道；在 AI 编码中用于成本管理，发现谁在盲目用大模型、谁在重复浪费 token
• 《当系统出故障时，让 AI 代替作战室里的 50 个人——Traversal 谈如何造 AI SRE》(04:42起):用于监控系统状态的工具与数据;本集提到现有的可观测性平台本身不是为 AI 设计的,想跨系统检索信息极为困难。
• 《主导投资 Anthropic 的人：风投的游戏规则已经彻底变了》(56:38起):本集说可观测性、智能体框架这类基础模型之上的开发者栈三四年前投过一轮没跑出来,现在随着生态变大、要做成本优化「真正起飞了」,是被投资不足的机会
• 《当代码生成加速，谁来填运维的坑：用后台智能体接手生产环境长尾工作》(00:28起):嘉宾深耕 15 年以上的老本行。本集指出，由于 AI 让代码发布变快，生产系统复杂性增加，仅靠现有的大型可观测性工具已不足以应对，必须用 AI 智能体来辅助。
• 《Anthropic 构建生产级智能体的教训:harness 须为模型能力演进而生》(03:11起):本集把它说成：复杂智能体编排下,搞清引擎盖下到底发生了什么的能力。Managed Agents 把会话日志呈现给用户的 UI 仪表盘就天然提供了可观测性。
• 《Canva 增长骤降背后：无代码时代终结与 AI 蚕食的真相》(22:57起):本集说 Datadog 卖可观测性给基础设施供应商，作为基础设施公司不需要改变模式的例证
• 《Lindy 创始人谈 AI 员工的上下文战争：从红黑树到”走去洗车”》(52:15起):Flo 说可观测性和评估平台是唯一没买现成而自研的基础设施，2022 年创业时没有现成工具
• 《Merge的”二次创业”：从SaaS集成到AI连接基础设施》(52:12起):本集提到可观测性是 MCP 协议不覆盖的东西，但 Merge 平台包含了可观测性层
• 《工程领导者的AI工具购买真相》(02:15起):本集说 VP 和总监层级对 observability 工具的关注度几乎与 AI 编码工具一样高，因为代码生成自动化后可靠性成为下游新痛点
• 《给智能体建一个“人力资源部”：TrustWise 创始人谈运行时治理》(09:39起):本集说可观测性是企业的第三类软件，它告诉你正在发生什么，但不让你影响和塑造它
• 《AI 时代，工程师的判断力与品味如何修炼》(33:06起):本集在讨论产品过了发布期后需要的第一性原则时，将可观测性列为与可靠性、可解释性并列的关键要求
• 《从技能到循环再到工厂:软件工厂实战路线图》(08:50起):本集说工程工作转移到循环本身的可观测性和监控上，常是建循环来监控循环；自动化平台捕获所有运行日志，可再建自动化基于真实使用改进技能

① 提到它的金句

2 条

就像产品内的 AI，大概比在组件上进行 AI 编码领先两年。他们已经有了评估系统，已经有了可观测性系统。
Like AI product, AI inside the product is probably two years ahead from AI coding on components. They already have the eval system, they already have an observability system.
—— Patrick Debois · [17:13]

指向原始笔记的链接

所以几乎同样多的人在看 monster 可观测性，就像他们看 AI 编码工具、CICD、QA 一样。
So almost as many of them looking at monster observability as they are AI coding tools, CICD, QA.
—— Dave Fletcher · [02:54]

指向原始笔记的链接

② 出现在这些集

19 集

• 《Julie Zhuo：管理者的核心技能，就是驾驭AI的技能》 — 作为概念
• 《评测优先:Braintrust 创始人谈 AI 产品开发的真正工程》 — 作为概念
• 《Cloudflare 三人聊：让模型直接写代码，别再堆工具了》 — 作为概念
• 《Anthropic 零信任框架：智能体安全的六层防御》 — 作为概念
• 《DevOps 之父谈智能体开发：谁来管、怎么管、别踩什么坑》 — 作为概念
• 《AI 智能体怎么认证：从标准到红队测试的全流程》 — 作为概念(提及)
• 《Claude Tag:住在 Slack 里的主动型队友，如何让 65% 的 PR 由 AI 开出》 — 作为概念(提及)
• 《DevOps 之父 Patrick Debois：AI 时代组织比技术更难成熟》 — 作为概念
• 《当系统出故障时，让 AI 代替作战室里的 50 个人——Traversal 谈如何造 AI SRE》 — 作为概念
• 《主导投资 Anthropic 的人：风投的游戏规则已经彻底变了》 — 作为概念
• 《当代码生成加速，谁来填运维的坑：用后台智能体接手生产环境长尾工作》 — 作为概念
• 《Anthropic 构建生产级智能体的教训:harness 须为模型能力演进而生》 — 作为概念
• 《Canva 增长骤降背后：无代码时代终结与 AI 蚕食的真相》 — 作为概念(提及)
• 《Lindy 创始人谈 AI 员工的上下文战争：从红黑树到”走去洗车”》 — 作为概念(提及)
• 《Merge的”二次创业”：从SaaS集成到AI连接基础设施》 — 作为概念(提及)
• 《工程领导者的AI工具购买真相》 — 作为概念
• 《给智能体建一个“人力资源部”：TrustWise 创始人谈运行时治理》 — 作为概念(提及)
• 《AI 时代，工程师的判断力与品味如何修炼》 — 作为概念(提及)
• 《从技能到循环再到工厂:软件工厂实战路线图》 — 作为概念

③ 关联

点进去有真内容 —— 本页主要出口

智能体 · 沙箱 · Anthropic · 护栏 · ChatGPT · 评估 · Datadog · MCP · Simon Maple · harness