OpenLLMetry 0.39.0版本发布:增强Bedrock支持与监控能力
OpenLLMetry是一个专注于大语言模型(LLM)监控和可观测性的开源项目,它为开发者提供了对各类LLM服务的调用追踪、指标收集和性能分析能力。最新发布的0.39.0版本带来了多项重要改进,特别是在AWS Bedrock服务和监控指标方面的增强。
Bedrock服务支持全面升级
本次更新对AWS Bedrock服务的支持进行了显著增强。首先加入了ARN(Amazon Resource Name)和跨区域端点的支持,这使得开发者可以更灵活地配置Bedrock服务访问,特别是在多区域部署场景下。这一改进意味着现在可以更精确地指定要访问的Bedrock资源,并突破单一区域的限制。
另一个重要改进是针对Bedrock提示缓存的监控能力。新版本增加了专门的指标(metric)来追踪提示缓存的使用情况,同时也在追踪跨度(span)中添加了相关属性。这些增强使得开发者能够清晰地了解缓存命中率、缓存效果等关键指标,为优化提示工程和降低成本提供了数据支持。
监控指标体系持续完善
在监控指标方面,0.39.0版本有两个值得关注的改进。首先是新增了对Bedrock Converse API的支持,这是一组新推出的API接口,现在开发者可以获得与这些接口相关的完整监控数据。其次是增加了护栏(guardrail)相关的指标,这些指标对于确保LLM输出符合安全性和合规性要求至关重要。
各服务适配器的优化
除了核心功能的增强,本次更新还包含了对多个LLM服务适配器的优化:
-
Anthropic适配器:现在将"thinking"状态作为独立的完成消息处理,这使对话流程的追踪更加准确。
-
LangChain适配器:增强了对日期/时间类型的序列化支持,解决了之前在这些数据类型处理上可能存在的问题。
-
OpenAI适配器:修正了用户消息的分类问题,现在能正确将其识别为提示(prompt)而非完成(completion),这影响了相关指标的准确性。
-
Groq适配器:修复了当指标收集功能关闭时可能出现的异常问题,提高了系统的稳定性。
-
Ollama适配器:完整实现了计量(meter)功能,现在可以提供更全面的性能指标。
总结
OpenLLMetry 0.39.0版本通过增强对AWS Bedrock的支持和完善监控指标体系,进一步巩固了其作为LLM可观测性解决方案的地位。这些改进不仅提升了开发者的使用体验,也为生产环境中LLM应用的监控和优化提供了更强大的工具。特别是对提示缓存和护栏指标的监控,反映了项目团队对LLM实际应用场景中关键需求的深刻理解。
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C067
MiniMax-M2.1从多语言软件开发自动化到复杂多步骤办公流程执行,MiniMax-M2.1 助力开发者构建下一代自主应用——全程保持完全透明、可控且易于获取。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C01
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
agent-studioopenJiuwen agent-studio提供零码、低码可视化开发和工作流编排,模型、知识库、插件等各资源管理能力TSX0130
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00