New Relic
PulseAugur coverage of New Relic — every cluster mentioning New Relic across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
AgentInspect 增强了本地 LLM 代理开发的可见性
一位开发者将 AgentInspect 集成到一个使用 Gemini 和 LangChain 的 NestJS 和 LangGraph 服务中，以增强本地开发的可观察性。目标是在不更改已使用 New Relic 和 Braintrust Ai 的生产监控堆栈的情况下，深入了解单个代理的调用。选择 AgentInspect 是因为它能够提供按需跟踪，在禁用时会消失，从而确保不对生产系统产生影响。
-
Graham Dumpleton 发布 wrapture，用于 Python 跟踪和测试
Graham Dumpleton 发布了一个新的 Python 库 wrapture，旨在通过包装函数和方法来促进跟踪和测试。该库允许观察代码执行，从而实现跟踪并能够覆盖返回值。Wrapture 与 OpenTelemetry 集成，并提供了一种基于配置的方法，用于为现有的 Python 项目添加跟踪功能。Dumpleton 强调，该库在很大程度上是在 AI 辅助下开发的，强调的是一种有方向的工程过程，而不是无指导的“氛围编码”。
-
Qiita文章探讨AI提示工程、LLM内部机制和Agent Skill的Token使用
Qiita上的几篇文章探讨了AI和大语言模型的不同方面。其中一篇讨论了如何优化简单提示可以显著提高AI指令的准确性。另一篇详细介绍了New Relic的Slack App与其Autopilot功能集成，用于自动调查事件。第三篇文章深入探讨了LLM在执行“1+1”等基本计算时的内部过程。最后，一篇帖子强调了使用高星级Agent Skill所需的大量Token，指出每次调用需要90,000个Token。
-
Dynatrace 将以 9.15 亿美元收购 AI 可观测性公司 Arize
Dynatrace 已同意以 9.15 亿美元现金和股票交易收购 Arize，旨在加强其 AI 评估能力。此次收购将使 Dynatrace 在开发生命周期的早期阶段接触到 AI 工程师，与其现有的 AI Observability 应用相辅相成。Arize 在预发布评估（包括实验和提示迭代）方面的优势将整合到 Dynatrace 的平台中，该平台已提供用于评估实时生产响应和检测漂移的工具。
-
LLM 可观测性工具整合：ClickHouse 收购 Langfuse，Mintlify 收购 Helicone
2026 年初，LLM 可观测性市场经历了重大洗牌，主要参与者被收购或战略调整。ClickHouse 以 4 亿美元收购了 Langfuse，而 Mintlify 收购了 Helicone 并停止了其功能开发。然而，Braintrust Ai 获得了 8000 万美元的 B 轮融资，保持独立，专注于其“eval-first”方法。此次整合凸显了 LLM 可观测性作为数据基础设施的本质，并迫使团队考虑其所选工具的长期可行性。
-
随着市场蓬勃发展，LLM 可观测性平台在高级功能上出现分化
LLM 可观测性和评估平台市场正在迅速扩张，预计到 2030 年将达到 92.6 亿美元。平台正朝着 AI 原生工具、开源评估库、AI 网关和 APM 扩展等方向多元化发展，并且越来越多地采用 OpenTelemetry 标准以实现互操作性。Langfuse、Helicone、Opik 和 MLflow 等领先平台之间的关键差异化因素在于其高级功能，例如自动跟踪评分、复杂的速率限制规则、用于主题和 PII 检测的集成防护栏，以及具有差…
-
避免系统设计过早复杂化，关注可观察性
构建可扩展系统需要关注观察和诊断实际瓶颈，而不是过早地实施复杂的分布式架构。许多团队在面临真正的扩展问题之前就采用了微服务和其他高级模式，导致不必要的运营开销。关键在于检测现有系统以了解性能，找出低效查询或应用程序行为等根本原因，然后在必要时才刻意进行架构分布式，因为复杂性会显著增加宕机风险。
-
AI集成探索应用于开发工具和评审平台 · 追踪3个来源
三篇独立文章讨论了AI在各种开发和运营环境中的集成与应用。其中一篇详细介绍了New Relic在2026年6月的更新，强调了其与AWS、AI和Kubernetes在可观测性方面的结合。另一篇文章探讨了将AI代理与Backlog集成的五个用例，用于管理开发任务，并介绍了“bee + Agent Skills”。第三篇文章宣布创建了一个全面的评审网站hurikaeri.jp，该网站集成了AI并提供了144种评审方法的目录，所有这些都可免费使用。
-
LLM 应用失败：可观测性、模型选择和生产栈
构建一个可靠的 LLM 应用需要的不仅仅是一个功能正常的模型；它需要强大的可观测性工具，这些工具要超越传统的 APM。像 Datadog、New Relic 和 Prometheus 这样的工具可以监控系统健康状况，但它们无法检测到诸如幻觉回答或忽略系统提示之类的问题。LLM 的选择也至关重要，像 Gemini 2.5 Pro 和 GPT-5.5 这样的模型适用于通用的 RAG 应用，Claude Opus 4.8 在编码任务中表现出…
-
AI 编写大部分代码，但导致更多生产故障：New Relic
New Relic 的一份新报告表明，AI 现在负责生成许多组织内的大部分代码。尽管 94% 的受访领导者认为 AI 生成的代码质量很高，但绝大多数 (78%) 报告了事故增加，82% 遇到了与 AI 相关的生产故障。
-
AWS Quick 集成 New Relic、Asana，实现 AI 驱动的事件分类
Amazon Quick 是一个 AI 代理平台，现已与 New Relic 和 Asana 集成，以简化工程团队的事件分类。这项新功能允许工程师通过单个提示启动全面的调查，该调查将收集证据、分析根本原因并生成摘要报告。该系统旨在缩短平均解决时间 (MTTR) 并确保一致的调查标准。
-
Coralogix 融资 2 亿美元用于 AI 代理监控工具
软件监控初创公司 Coralogix 已完成 2 亿美元的 F 轮融资，公司估值达到 16 亿美元。此次融资由 Advent 和 CPPIB 领投，距离他们上一轮 1.15 亿美元的融资仅过去 11 个月，显示出投资者对 AI 基础设施的浓厚兴趣。该公司旨在利用这笔资金加强其以 AI 为中心的产品、安全功能和全球扩张，预计对管理自主 AI 代理的工具的需求将日益增长。
-
n8n 用户自定义 New Relic 包意外获得关注
一位 n8n 平台用户创建了一个用于 New Relic 的自定义包，该包意外获得了大量下载。用户在 Qiita 平台上分享了他们的经验和开发该包的过程。