Comet-LLM 1.4.3版本发布：增强规则引擎与Python执行沙箱能力

Comet-LLM是一个专注于大型语言模型(LLM)应用开发与监控的开源平台。它提供了从提示工程、模型评估到生产监控的全套工具链，帮助开发者构建可靠的LLM应用。本次1.4.3版本带来了多项重要更新，特别是在规则引擎日志和Python代码执行沙箱方面的增强。

规则引擎日志系统升级

新版本对自动化规则评估系统进行了重要改进，主要体现在：

1. 规则日志表创建：新增了专门的规则日志存储表，使得系统能够更结构化地记录规则执行过程。这种设计便于后续的日志查询和分析，特别是在复杂的规则评估场景下。

2. ClickHouse日志支持：实现了面向用户的ClickHouse日志系统。ClickHouse作为高性能的列式数据库，特别适合处理大量的日志数据。这一改进使得用户能够：

   • 高效查询历史规则执行记录
   • 分析规则触发的模式和频率
   • 快速定位问题发生的环节

3. 日志查看界面优化：前端增加了查看完整日志的按钮，用户可以直接在新标签页中浏览特定在线评分规则的所有相关日志，大大提升了调试效率。

Python代码执行沙箱

1.4.3版本引入了一个重要的安全特性——Python代码执行沙箱：

1. Docker沙箱原型：提供了基于Docker的Python代码执行隔离环境，确保用户提交的代码能够在安全可控的环境中运行。这种设计有效防止了恶意代码对主系统的破坏。

2. 独立Python后端服务：新增了专门的Python后端服务组件，负责：

   • 代码执行环境的生命周期管理
   • 资源隔离与限制
   • 执行结果的收集与返回

3. 容器化部署支持：该服务已集成到项目的Docker Compose和Helm Chart配置中，方便用户在各种部署环境中使用这一功能。

其他重要改进

1. 模型提供商集成增强：

   • 修复了模型列表获取的问题
   • 完善了Anthropic模型在Playground中的集成
   • 改进了Gemini模型的流式处理支持

2. 成本追踪功能：SDK现在支持手动设置单个span的成本，为精细化的成本监控提供了更多灵活性。

3. 文档与示例更新：

   • 新增了本地运行指南
   • 优化了快速入门页面的代码片段
   • 添加了Guardrails集成文档
   • 更新了RAG评估示例

4. 性能优化：

   • 在线评分服务改为了基于Redis的分布式架构
   • 改进了演示项目脚本的数据处理效率

开发者体验提升

本次更新还包含多项提升开发者体验的改进：

1. 实验日志记录：Playground现在会自动记录实验过程，方便开发者回溯和复现结果。

2. 注释功能增强：新增了专门的评论相关API端点，支持更丰富的协作场景。

3. 前端交互优化：

   • 移除了"Get Started"部分的关闭按钮
   • 为PC端添加了自定义滚动悬停效果
   • 优化了规则弹出框中自动完成组件的行为

Comet-LLM 1.4.3版本的这些改进，使得平台在安全性、可观测性和用户体验方面都有了显著提升，特别是为需要执行自定义代码的LLM应用场景提供了更强大的支持基础。