papercomputeco/tapes

解决的问题

Tapes 提供了一种捕获、存储和分析 AI 代理与 LLM 之间交互的方法。它通过提供结构化的会话、追踪和跨度历史，解决了‘黑箱’式代理工作流的问题，使开发者能够清晰地看到代理是如何通过结构化历史得出结论的。

工作原理

该系统使用仅追加的原始 LLM 交互日志。随后，一个“推导器”进程将这些原始日志投影为包含会话、追踪和跨度的结构化读取模型。该过程具有幂等性和确定性，即相同的输入始终产生相同的结构化输出。

内部使用内容寻址（Merkle 节点）实现溯源和去重。用户可通过代理捕获数据，并通过专用 API 查询结果，支持在跨度粒度上进行语义搜索，并可通过 JSONL 导出数据。

适用人群

需要持久化存储代理会话，并使用与 OpenTelemetry 兼容的模型来对代理工作流进行仪器化和调试的开发者。

主要亮点

• 不可变捕获：每次交互都会持久化到仅追加的原始日志中。
• 确定性投影：原始日志被转换为可浏览的会话/追踪/跨度模型，可完全复现。
• OpenTelemetry 仪器化：即插即用的代理遥测仪器化支持。
• 语义搜索：可在跨度粒度上执行语义搜索。
• 本地优先部署：通过 Docker 简单部署，内置 PostgreSQL 和 Ollama 支持。