全部文档
当前文档
最近更新时间：2026-07-06 16:36:31
随着 AI 和大模型的爆火，AI 应用架构向分布式、异构化深度演进，模型推理链路由单一节点扩展至数据预处理、多模态融合等复杂链路，传统观测手段难以应对动态拓扑下的性能波动与故障定位，全链路观测成为追踪跨组件数据流转异常、实现推理性能瓶颈精准定位的核心刚需。应用性能监控已经适配主流智能体和推理框架，不仅支持 AI 大模型场景下的根因分析，而且支持采集 AI 场景下的黄金指标，实现了 AI 全场景覆盖和 LLM 支持，保障大模型应用的高可用性与成本优化。
AI 应用监控支持对 AI 应用进行全链路的观测和监控。通过接入 AI 应用监控埋点，可以实现以下功能：
指标（Metrics）：采集服务 RED 指标和 Gen_AI 相关指标，例如：Token 消耗等监控应用性能表现。
链路追踪（Tracing）：记录 AI 应用执行过程中的关键路径和中间状态。
可视化分析：通过控制台使用多维检索、拓扑生成、自定义看板等高级功能。
应用性能监控已经针对 AI 应用的不同语言、不同部署方式进行适配，以确保用户能够快速，低成本的完成接入。接入说明和实践教程如下：
语言/服务/框架 | 接入说明 | 实践教程 |
Python | 针对使用 Python 语言开发的 AI 应用，例如：使用 LangChain、OpenAI 等框架的 AI 应用，可使用应用性能监控自动埋点技术完成接入。
| - |
纯净模式
