追蹤 agent 執行
將 agent 執行記錄為可讀的 trace 與時間軸，顯示輸入、LLM 推理、工具呼叫與子 agent。這有助於團隊在不必逐行查看原始日誌的情況下檢視發生了什麼。
什麼是 Laminar？
Laminar 是一款開源的 AI agents 可觀測性平台。它的設計目的是追蹤 agent 行為、評估變更，並幫助團隊找出某次執行出問題的精確步驟。
首頁將產品聚焦於三種工作流程：透過 Signals 捕捉失敗、透過可讀的逐字稿與時間軸檢視執行內容，以及把重複出現的問題轉化為評估。網站也描述了面向開發者的功能，例如除錯器工作階段流程、CLI 與 MCP 存取、全文搜尋、SQL 查詢、儀表板，以及瀏覽器工作階段錄影。
定價頁顯示免費、Hobby、Pro 與 Enterprise 方案，公開層級涵蓋 trace 匯入、signal 使用量、保留、支援與平台功能。Laminar 也列出對多種 agent SDK 與瀏覽器 agent 工具的支援，顯示其設計是為了融入既有的 AI 應用技術堆疊。
該網站將 Laminar 定位為適合建置或營運 AI agents 的團隊，特別是需要掌握失敗狀況、可重複評估，以及能夠從問題偵測一路走到修正與回歸檢查的團隊。
Laminar 能做什麼？
Signals 與 Slack 通知
用自然語言描述問題，讓 Signals 在各次執行中持續監看。當某次執行符合該問題時，Laminar 可傳送 Slack 通知，把重複失敗轉為告警。
問題叢集化
將重複出現的問題分組為命名叢集並隨時間追蹤。當某個叢集不再重現時，Laminar 會將其標記為已解決；若問題再度出現，也可重新開啟。
由失敗產生 evals
把已修正的錯誤叢集轉為評估資料集，並在變更後執行 evals 以捕捉回歸。產品頁展示了這個流程，用來比較不同版本之間的模型或 agent 行為。
除錯循環
使用除錯工作階段流程執行 agent、閱讀 trace、套用修正，並以快取狀態重新執行。網站也提到這個流程可搭配 Laminar CLI 與 MCP。
使用情境
“除錯正式環境中的 agent 失敗”
當你需要了解 agent 為何在正式環境中失敗時，可使用 Laminar。trace 檢視與 Signals 工作流程有助於找出造成問題的步驟、工具呼叫或模型行為。
“監控重複出現的執行問題”
使用這項產品監看已知的失敗模式，例如迴圈、錯誤目錄使用或重複的命令錯誤。Signals 能跨多次執行偵測問題，並在出現時傳送 Slack 通知。
“迭代 agent 行為”
當你希望在 agent 開發中建立修正並驗證的迴圈時，可使用 Laminar。除錯工作階段流程、CLI 與 MCP 支援使用快取狀態重新執行，讓你能檢視並反覆調整變更。
“從事件建立評估資料集”
將已解決的失敗轉為回歸檢查。已修正的錯誤叢集可成為 eval 資料集，協助團隊比較版本更新前後的行為差異。
“大規模分析並標註 agent 資料”
當團隊需要大規模分析 trace，或將瀏覽器 agent 工作階段納入除錯與標註流程時，可使用搜尋、SQL、儀表板與瀏覽器錄影功能。
常見問題
Laminar 是用來做什麼的？
Laminar 旨在追蹤 AI agent 執行、呈現失敗並執行評估，讓團隊能隨時間除錯並改善行為。首頁也描述了用於告警的 Signals，以及針對重複問題的叢集追蹤。
Laminar 如何協助除錯？
產品頁指出，Laminar 會透過可瀏覽的逐字稿與時間軸，讓 agent 執行變得容易檢視，並呈現輸入、LLM 推理、工具呼叫與子 agent。它也提供可在快取狀態下重新執行 agent 的除錯流程。
Laminar 有免費方案嗎？
定價頁列出免費方案、Hobby、Pro 與 Enterprise。Enterprise 採客製化定價，提供客製限制與內部部署，而公開方案則顯示不同的資料、信號、保留與支援層級。
Laminar 支援哪些工具與框架？
網站列出與 Claude Agent SDK、OpenAI Agents SDK、Mastra、Pydantic AI、LangChain、OpenHands SDK、Browser Use、Stagehand、Playwright、Anthropic、OpenAI 與 LiteLLM 的整合與相容性。也提到 Laminar CLI 與 MCP 存取。
包含哪些核心平台功能？
定價頁提到 OTLP trace 匯入、全文 trace 搜尋、自訂儀表板、SQL 存取、資料集、標記佇列、瀏覽器工作階段錄影、agent 除錯器、MCP 存取，以及 Slack 與電子郵件通知等功能。首頁也強調 Signals 的 Slack 通知。
快速資訊
- 類別
- 開發者工具
- 主要用途
- AI agent 可觀測性與評估
- 託管模式
- 開源、可自行在任意環境部署，以及企業內部部署
- 定價
- 免費方案加上 Hobby、Pro 與 Enterprise 層級
- 來源網域
- lmnr.ai
- 主要工作流程
- 追蹤、Signals、問題叢集化、evals、除錯工作階段
Laminar 流量分析
流量數據僅供參考。
- 網域評分
- 42