Natrag na AI agenti vodič

Oriphiel AI agenti vodič

SLO i alerting za AI agente

Kako definirati pouzdanost kroz task success, critical error, latency, schema pass, tool success i human escalation umjesto samog uptimea.

Oriphiel stručni tim Ažurirano 22. 7. 2026. 3 min čitanja

Odgovor ukratko

Agent može biti tehnički dostupan, ali poslovno neupotrebljiv; SLO mora uključiti kvalitetu i sigurnosne invarijante na reprezentativnom uzorku.

Ključne odluke

  • Koji je korisnički ishod
  • Koja greška je kritična
  • Koji p95 latency cilj vrijedi
  • Tko reagira na quality drift

Provedba korak po korak

Cilj ove lekcije je Kako definirati pouzdanost kroz task success, critical error, latency, schema pass, tool success i human escalation umjesto samog uptimea. Korake treba provoditi redom i svaki potvrditi prije širenja opsega.

Preporučeni redoslijed

  • Definirati SLIs po workflowu
  • Uvesti online tehničke i sampled quality metrike
  • Postaviti burn-rate alarme
  • Povezati alarm s runbookom i kill switchom

Praktičan primjer

Agent ima 99 posto schema pass cilj, p95 ispod zadanog praga i zaseban alarm za bilo kakav pokušaj slanja prema suppression kontaktu.

Kontrolna lista prije nastavka

Ova provjera odvaja završenu implementaciju od postavke koja samo izgleda dovršeno.

Provjerite

  • Schema i tool greške su odvojene
  • PII nije metric label
  • Alarm sadrži trace ID
  • Kritični invariant ima nultu ili vrlo malu toleranciju

Najčešće pogreške i rizici

Rizike treba provjeriti prije povećanja prometa, automatizacije ili ovlasti sustava.

Na što treba paziti

  • Samo API 200 se mjeri
  • Prosjek skriva spore runove
  • Svaki grader fail šalje alarm
  • Nema baselinea po model verziji

Mjerenje rezultata

Učinak se procjenjuje kroz mali skup metrika koje su povezane s ciljem lekcije i stvarnim poslovnim ishodom.

Metrike koje imaju smisla

  • Task success SLO
  • p95 latency
  • Critical invariant failures
  • Error-budget burn

Česta pitanja

Koji je prvi korak za temu „SLO i alerting za AI agente”?

Definirati SLIs po workflowu Prije nastavka potvrdite odluku: Koji je korisnički ishod

Kako provjeriti da je provedba uspješna?

Schema i tool greške su odvojene Nakon toga pratite metriku: Task success SLO.

Koju pogrešku treba prvo spriječiti?

Samo API 200 se mjeri Problem ispravite prije automatizacije ili povećanja budžeta.

Službeni i stručni izvori

Sučelja, pravila i preporuke mogu se mijenjati. Prije produkcijske izmjene provjerite aktualnu dokumentaciju.

Povezane AI-agent lekcije

Streaming, tracing i observability AI agenataKako pratiti što agent radi u stvarnom vremenu: tok događaja, trace koraci, latencija, tokeni, tool callovi i greške. Kill switch, degraded mode i oporavakKako brzo zaustaviti agent runove i write alate, nastaviti osnovni proces ručno ili deterministički te kontrolirano vratiti uslugu. Shadow i canary rollout AI agentaKako usporediti novu verziju bez posljedica, zatim joj dati mali kontrolirani promet i automatski rollback na signal regresije. Retrieval eval datasetKako izgraditi skup pitanja, relevantnih dokumenata, hard negative primjera i no-answer slučajeva za objektivno mjerenje RAG dohvaćanja.

Povežite ovu temu s ostatkom sustava

OpenClaw automatizacijePrimijenite agente na jasan CRM proces s vlasnikom i mjerljivim ishodom. CRM dozvole i sigurnostUskladite tools, uloge i podatkovni opseg s backend kontrolama. Strukturirani podaciPripremite strojno čitljive izlaze i sadržaj koji se može pouzdano validirati.

Primijenite lekciju na stvarni projekt

Pošaljite postojeću konfiguraciju, cilj i problem koji želite riješiti. Dobit ćete prijedlog sljedećeg tehničkog ili operativnog koraka.

Pošaljite upitPregledajte sve vodiče