AxonPush

调试生产环境的AI Agent曾经是一件痛苦的事——一次请求涉及日志、框架追踪、错误报告多个系统，还要手动对照时间戳才能找到问题根源。AxonPush为这一痛点提供了系统化的解决方案：它将AI Agent的后端请求、大模型调用、工具执行、应用日志、错误和重试全部归并到同一个Trace ID下，让开发者可以像调试传统微服务一样，完整回放一个AI请求的全流程。目前产品处于私有测试阶段，已支持OpenTelemetry、Sentry等主流可观测工具接入。

核心功能：

1. 全链路Trace追踪：以单个Trace ID贯穿AI请求的每一个环节——后端接收、大模型API调用、工具执行、应用日志、错误与重试，所有信息统一呈现，无需跨多个日志系统手动匹配时间戳。
2. 失败请求调查：Agent在生产环境中遇到错误后，可直接打开Trace回放，快速定位是哪次工具调用失败、返回值是什么、Agent基于什么做出了错误判断。
3. 沙箱评估对比：支持从历史Trace中创建评估数据集，定义期望行为，然后对比修改后Agent与基准版本在质量、失败率、延迟和成本四个维度的表现，防止"平均指标提升但局部回归"的情况被忽略。
4. CI发布检查：在CI流水线中嵌入评估步骤，设置质量、失败率、延迟或成本阈值，达到阈值则阻止发布，可配置为"报告模式"（只提醒）或"阻断模式"（强制拦截）。
5. 失败模式分析：超越单一请求视角，聚合相关Trace群组，识别反复出现的失败模式，由模型辅助分析（需用户授权并配置模型供应商）。
6. 多工具链集成：支持连接已有OpenTelemetry OTLP导出器、发送Sentry事件，或通过Python SDK（pip install axonpush）或TypeScript SDK（npm i @axonpush/sdk）直接接入。
7. 支持环境：提供托管版本（14天Pro试用，无需信用卡）和BYOC版本（部署到自有AWS账户）。

特色优势： AxonPush最大的差异化在于将AI调试带回"正常软件工程"的范畴——传统后端有日志、有trace、有CI，但AI Agent调试长期处于原始状态。它的Trace回放 + 评估数据集 + CI阻断三件套，让团队在每次代码变更后都能有数据依据地判断Agent是否真的变好了，而不是凭感觉"看起来差不多"。此外，无需搭建复杂的测试基础设施即可上手，连接现有Sentry或OTLP环境即可使用。

应用场景：

1. AI Agent生产调试：追踪和回放真实用户请求中的失败案例，定位工具调用错误、API超时或上下文丢失问题。
2. 发布前质量评估：在CI中运行评估套件，确保新版本Agent在质量、延迟和成本上均无显著退化。
3. 团队知识沉淀：将典型失败Trace固化为评估案例，新成员入职后可快速了解"什么情况是正常的、什么情况需要介入"。
4. 多Agent协作问题定位：在涉及多个AI Agent协作的复杂工作流中，跟踪每个Agent的输入输出，识别协作瓶颈。

适用人群：已在生产环境运行AI Agent的开发团队、负责AI应用质量保障的工程师、需要向非技术人员展示Agent行为可信度的技术负责人，以及追求发布流程规范化的AI产品公司。

出品方：AxonPush团队（具体公司/团队背景信息暂未在官网公开披露）。

更新动态：产品目前处于私有Beta阶段，正在小范围邀请生产环境使用AI Agent的团队参与测试；BYOC（自建AWS部署）模式已开放咨询。

官网链接：https://axonpush.xyz/