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。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust098- DDeepSeek-V4-ProDeepSeek-V4-Pro(总参数 1.6 万亿,激活 49B)面向复杂推理和高级编程任务,在代码竞赛、数学推理、Agent 工作流等场景表现优异,性能接近国际前沿闭源模型。Python00
MiMo-V2.5-ProMiMo-V2.5-Pro作为旗舰模型,擅⻓处理复杂Agent任务,单次任务可完成近千次⼯具调⽤与⼗余轮上 下⽂压缩。Python00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
Kimi-K2.6Kimi K2.6 是一款开源的原生多模态智能体模型,在长程编码、编码驱动设计、主动自主执行以及群体任务编排等实用能力方面实现了显著提升。Python00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00