papercomputeco/tapes

解決的問題

Tapes 提供了一種捕獲、儲存與分析 AI 代理與 LLM 之間互動的方法。它透過提供結構化的會話、追蹤與跨度歷史，解決了「黑箱」式代理工作流程的問題，讓開發者能清楚看見代理如何透過結構化歷史得出結論。

工作原理

系統使用僅追加的原始 LLM 互動日誌。隨後，一個「推導器」程序將這些原始日誌投影為包含會話、追蹤與跨度的結構化讀取模型。此過程具有冪等性與決定性，相同的輸入總是產生相同的結構化輸出。

內部使用內容尋址（Merkle 節點）以實現溯源與去重。使用者可透過代理捕獲資料，並透過專用 API 查詢結果，支援在跨度粒度上進行語意搜尋，並可透過 JSONL 導出資料。

適用對象

需要持久化儲存代理會話，並使用與 OpenTelemetry 相容的模型來對代理工作流程進行儀器化與除錯的開發者。

主要亮點

• 不可變捕獲：每次互動都會永久儲存至僅追加的原始日誌中。
• 決定性投影：原始日誌被轉換為可瀏覽的會話/追蹤/跨度模型，可完全重現。
• OpenTelemetry 儀器化：即插即用的代理遙測儀器化支援。
• 語意搜尋：可在跨度粒度上執行語意搜尋。
• 本地優先部署：透過 Docker 簡單部署，內建 PostgreSQL 與 Ollama 支援。