Sentry
应用错误追踪与性能监控平台，可用于 AI 产品的线上异常定位、接口错误聚合、性能退化排查和发布质量追踪。
🎯适用场景：AI 应用上线后需要追踪异常、接口失败、前端崩溃和性能回归。
📊 仓库数据
✅ 优点
- •错误聚合和回溯能力成熟，适合生产系统
- •覆盖前端、后端、移动端等多种技术栈
- •能把异常与版本发布关联起来，便于定位回归
⚠️ 限制
- •不是专门的 LLM trace 工具，需要与 AI 观测平台搭配
- •高流量场景需要控制采样率和费用
🔗 相关工具
Netdata
github.com/netdata/netdata
AI 全栈可观测性平台，78,515+ stars。实时监控服务器性能、应用指标和网络流量，内置 AI 异常检测引擎，自动发现并预警系统问题。零配置、开箱即用，每秒采集数千指标，是最轻量的基础设施监控方案。
🎯服务器与基础设施实时监控、AI 异常检测预警
Nightingale
github.com/ccfos/nightingale
开源监控告警平台，定位为「告警和监控领域的 Grafana」。支持多数据源接入、灵活的告警规则和通知策略，适合需要统一监控告警平台的 AI/MLOps 团队。
🎯AI 模型性能告警、训练任务异常通知、多集群统一监控
TensorZero
github.com/tensorzero/tensorzero
开源 LLMOps 平台，统一 LLM 网关、可观测性、评估和微调能力，提供从实验到生产的端到端基础设施，帮助企业高效管理多模型 LLM 应用。（11K+ stars）
🎯LLM 生产环境管理、多模型路由、A/B 测试和效果评估
HyperDX
github.com/hyperdxio/hyperdx
开源可观测性平台，统一整合日志、指标、追踪、会话回放和错误追踪。基于 OpenTelemetry 标准，适合需要全栈可观测性的 AI 应用团队，一站式排查线上问题。
🎯AI 应用全栈可观测性、用户会话回放辅助调试、日志与追踪关联分析
Langtrace
github.com/Scale3-Labs/langtrace
基于 OpenTelemetry 的 LLM 应用端到端可观测性工具。提供实时追踪、评估和指标，支持主流 LLM/框架/向量数据库。TypeScript/Python 双语言集成
🎯LLM 应用可观测性与调试评估
Superlog
github.com/superloglabs/superlog
AI 驱动的可观测性工具，833 stars。使用 AI Agent 自动修复软件问题，支持日志分析和故障自愈。
🎯生产环境故障自动诊断和修复
