JetBrains发布了Tracy,这是一个针对Kotlin和Java语言的AI追踪库。
Tracy于3月11日正式公布,并已在GitHub上开源,旨在帮助开发者直接从Kotlin或Java项目中追踪、监控和评估AI功能。JetBrains表示,这个开源Kotlin库提供了统一的API来捕获结构化追踪记录,帮助开发者调试故障、测量执行时间,并跟踪大语言模型在模型调用、工具调用和自定义应用逻辑中的使用情况。
Tracy采用了OpenTelemetry生成式AI语义约定,用于跨度属性和事件命名,确保追踪记录与任何兼容OpenTelemetry的后端保持兼容。JetBrains指出了Tracy的具体应用场景:
追踪AI客户端以捕获消息、成本、Token使用情况和执行时间。
追踪任何函数以记录输入、输出和执行持续时间。
手动创建和管理跨度。
将追踪数据导出到受支持的后端(目前支持Langfuse和Weave)。
Tracy采用Apache 2.0许可证,兼容Kotlin 2.0.0及以上版本和Java 17及以上版本。该库可以与OpenAI、Anthropic和Gemini的SDK集成。JetBrains表示,该库还能与常见的Kotlin/大语言模型技术栈配合使用,包括OkHttp和Ktor客户端,以及OpenAI、Anthropic和Gemini客户端。
Q&A
Q1:Tracy是什么?有什么主要功能?
A:Tracy是JetBrains推出的开源AI追踪库,专为Kotlin和Java语言设计。它提供统一API来追踪和监控AI功能,帮助开发者调试故障、测量执行时间、跟踪大语言模型使用情况,并支持追踪AI客户端、记录函数输入输出、手动管理跨度等功能。
Q2:Tracy支持哪些编程语言和版本?
A:Tracy兼容Kotlin 2.0.0及以上版本和Java 17及以上版本。它可以与OpenAI、Anthropic和Gemini的SDK集成,还支持常见的Kotlin/大语言模型技术栈,包括OkHttp和Ktor客户端。
Q3:Tracy采用什么技术标准?支持哪些后端?
A:Tracy采用OpenTelemetry生成式AI语义约定来确保兼容性,使用Apache 2.0许可证开源发布。目前支持将追踪数据导出到Langfuse和Weave后端,并与任何OpenTelemetry兼容的后端保持兼容。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。