Praeita kova · 2025-01-06 UTC
Agent Observability Tools Susirėmimas — 2025 m. sausio 6 d.
Iš Agent Observability Tools kategorijos. 11 įvertinimai pateikti tarp 2 kovotojų. Crawl4AI laimėjo vainiką.
Galutiniai rezultatai
Dalyviai
Kovotojai
Kiekvieno šioje kovoje dalyvavusio įrankio profiliai, surikiuoti pagal galutinį rezultatą.

Crawl4AI
Atviro kodo vebų krūvių ir skaniavimo įrankis, kuriant sausą į LLM, ai agentams ir srauto sistemoms priimamus tekstą

Crawl4AI yra atvirojo kodų Python biblioteka, skirta nuotykių ir internetinio puslapio skaldymui, su taip pat parengtais duomenimis apie didelius žodžių modelius ir AI srautus. Neigama HTML, jis nukreipia dėmesį į švarų, struktūrizuotą turinį – dažniausiai Markdoven — kuris gali būti tiekiamas tiesiogiai į LLM prielaidas, atgavo srautų arba išmokymo ir paaiškėjimo duomenų sąrašus. Tai platinamas nuo atvirojo licencijavimo sąlygų GitHub, kur įgijo svarbų poziciją atliekantįjais bendruomeninįse programinės įrangos kūrėjų bendruomene. Šis įrankis skubtai reikalauja programuotojų, duomenų inžinierių ir agentų AI kūrėjų, kurie reikia programingai rinkti vebinį turinį be tos, kad parduotų arba būtų pasodinti tarifų, naudojantis komercinių trindimo API. Jis yra sukurto kaip savinamuostis, be konstrukyvios alternatyvos paslaugoms, suteikiant vartotojams pilną valdžią, kaip puslapiai būna nuskęstas, sukeistas ir paverstos. Priemoneje, naršyklė Crawl4AI naudoja bežonę naršyklę (kuriantią pagrindu Playwright), kad nuskaitytų JavaScript-galiojančius puslapius, o tuo metu taikomos išgaunamos ir filtravimo strategijos, kad įkeltas DOM būtų paverstas naudojamu turiniu. Palaikoma Markdown generatoriaus su galimybėmis išbraukti šablono ir šlapimo dalis, taip pat struktūriškas išgaunimas naudojant tiesiogės klases arba LLM, kurianti strategijas, kurios grąžina duomenis pagal schema. Asinkroni paruošimas leidžia vienu metu naršyti daugelių URL sąrašų. Svarbiausi Crawl4AI galiybės užima konfigūruojamas tekstas filtravimas, kuris sumažina nežinomus tekstus, apimančių struktūrinį JSON sujungimą pagal skema, sesijų ir naršyklės valdymą, siekiant valdyti prisijungimų arba dinamiškių interakcijų. Jame išvesti taip pat palaikomi "hook" ir įrenginio JavaScript vykdymą. Crawl4AI gali būti vykdoma kaip biblioteka Python programa viduje arba paleidžiama per Docker sistemą į priemones stiliu įgyvendinus SaaS. Pagrindinis workflow: naudojant Crawl4AI prireikia prieėjimo stadijos arba agento srauto, kur jis atgabeną ir skaityno puslapius, ir gautą Markdown arba struktūrinius duomenis dalinamas, įterpiamas arba priskiriamas specialiam apdorojimui ties LLM sistemai. Pasauliai pritaikytas ataskaitų atėjimas sumažina papildomus priešparuošimus, kurios dažnai reikia kai kurių skaitmeninių modelių duomenims pritaikyti. Šių jų pagrindinės ižūsios svorinės yra tai, jog jis yra laisvas, savo turiniais gali būti atiduodamas pasauliui, aktyviai plėtotinas bei specifikuota tai, jog pritaikytas įvairiausiomis AI konsumicijos situacijoms nei įvairiam komerciniam web parsiniui. Kiekvienos iš jų nuotaikos yra tuo, jog prasideda operacijų pakanka, kai jums reikia įdiegti ir palaikyti bežidinio naršyklės, kai yra prasmingai ištrūkštinamas kai parsinami įvairios svetaines, bei kai jos struktūros keičiasi arba kai yra paslėpti antibotų programas. Tai, kad yra praplėšamas konfigūracijos variantu, yra savarankiškai priekaitis. Kai palyginama su užklausomu turitimu ir įtvirtintos alternatyvos, taip pat kaip Firecrawl arba Apify, tai pereina sąnaudas bei atsargų išvengimą pasinaudijimo vartotojiniai išvengiamas naudotojai ir net išvengiamos sąnaudos.
Kriterijų išskirstymas
- Sausas žr. generuojamas su turinio filtro konfigūravimu
- CSS/XPath ir LLM-bazinis struktūrizuotas skaniavimas
- Playwright-baziuojantis bešalvesiesios naršyklės parodymu
- Asinchroninis vienu metu krūvimas
- Sesijų ir naršyklių valdymas priimant loginus ar interakcijas
- Hookų prijungimas ir specialiuosius JavaScript vykdymai

CICube
Inteligentųjų AI DevOps agentas, monitoruojantis GitHub Actions workflow'us, detikuojantis nuošalybes ir siūlantis konkrečias priešsroviškas priemons.

CICubo veikia kaip Siaurioji Intelektualioji platforma, kuria paprastai valdyti GitHub Efekto darbų teisi. Jis spragšo svarbiausią uždarų rūšiavimo ir vykdymo ciklų (CI/CD) problemą, kad jie labai dažnai yra tik "juodi skrynios", su reikalavimu detalėse, kas sukelia neišvengiamą laiko ir efektyvumo nuokrypią dirbimą. Šio projekto tikslas yra padaryti CI sraigtuvis išreiškiomis, pasiėmamas DevOPS komandų sužinoti, kad sumažintų išlaidas, užsienio neefikacijamas, ir pagerintų atliekamus operacijų vykdymą atliekamus. Platformuje yra naudojami AI agentai, kad tiksliai stebėtų GitHub Actions, nustatytų neįprastumus ir identifikuotų pagrindinių priežasčių, dėl kurios pasidarius incidentų. Svarbias funkcijos yra savaiminis AI Priežasčių Tyrimas, kuris automatizuoti tiesiog pinigina sutrumpinus klausimus ir siūlo inteligentiškas rekomendacijas, sumažinant ieškojimo manualiais būdais. Platforma taip pat pritaikia konversacinei paskirties sąsają, kuria yra gaminama didelę kalbos modelių (LLM) pagrindu, leidžiantys vartotojus, prašyti prireikusiai kalbos klausimus apie jų CI duomenis, pvz. „Kodėl mano konstrukcija yra taip lėta?“, ir gauti greitąsias atsakymus. CICube praeisi tradicinio CI rodikliu, emfazinti kainų optimizavimo, ypatingai apskaičiuojant ir panaikinant nerasąsias CICube išlaidas, susijusias su kūrėjų konteksto keitimu. Tiesioginėje prieš tai, dažnai prasidedantys klaidingi konstrukcijos arba nusispaustų CICube pranešimai labai žymiai paveikia kūrybinės veiklos efektyvumą. Platforma siūlo detalusius CICube išlaidų žrinius ir savaitines ataskaitas, kad padėtų komandomiems tikslinti ir pagerinti savo skolos. Šis įrankis naudoja „CubeScore™“ siekti įvertinti CI ciklo atliekamumo performansą pagal Šviesos žvaigždės Mataveses kaip vidutinę sutrumpinimo laiką atkūrimui (MTTR), Sėkmės taškų, Darbų Sėkmės ir Trukmę. Jis teikia išvadas ir priešingumas, kurias pagaminta naudoja žinantį išaiškinimą adresuotoji problemos kaip sutrumpinimo laikų sėkmės matavimų sumažėjimas arba srautų trukmės padidėjimas, siekiant sumažinti MTTR. Integracija sukurta baimino saaugumas pasiturės užplovus tik skaitymo teises GitHub Aktijų informaciją.
Kriterijų išskirstymas
- AI Root Cause Analysis
- LLM-pavidumo konversacinis SIAIDų duomenų sąsaja
- AI-taikomos SIAIDų apžvalgos ir signalų sistemų
- CubeScore™ su Šiaurŗs Žvaigždės Matemis (MTTR, SĖ, Perkraščioji, Trukmė)
- SIAIDų išlaidų optimitavimas ir ataskaitų pateikimas
- Real time GitHub Actions monitorėjimas

