Prefactor 实时评估AI Agent性能的工具，帮助工程团队在生产中发现质量问题和性能漂移。 热门评论 PH 用户Hi Product Hunt - 我是 Matt，和 Simon 共同创立了 Prefactor。我们埋头搞这个项目已经有一段时间了，终于能展示给大家，真的很激动。先说说这个产品围绕的核心问题：你真的清楚你的智能体现在在生产环境里干什么吗？就我们接触的大多数团队而言，诚实的回答是“……不太清楚”。评估都通过了，一切正常，你发布了——然后每一次真实运行都消失在一个黑盒里。质量悄悄下滑。风险慢慢渗透。成本不断攀升。最后有人问你的哪些智能体还在干活，整个房间就安静了。正是那种沉默，催生了 Prefactor。Gartner 预测到 2027 年超过 40% 的智能体 AI 项目会被砍掉——老实说，这个缺口是主要原因之一。所以我们造了一直想要的东西：Prefactor 在每次生产运行的瞬间就给打分——质量、漂移、风险——然后把这些分数直接转化为行动。一个正在出问题的智能体能被实时逮住，而不是三天后出现在图表里。实际工作原理prefactor init - 一条命令连接你的 workspace，自动发现你 runtime 上的所有智能体。首次 trace 运行不到 5 分钟。接入 SDK（TypeScript 或 Python）- 原生支持 LangChain、Claude、Vercel AI、OpenClaw 和 LiveKit。每次调用都变成一个 span，实时流式传输，附带成本和风险数据。在每次运行时执行你定义的 evals——LLM-as-judge、技术检查、定性指标。自定义 span 从 GitHub、Linear、Jira 或数据库提取上下文，所以每个 eval 都基于真实发生的事，而不是靠猜。行动。当某次运行越界时，立即暂停、批准或阻止——运行时自动触发，或路由到人工处理。所有决策通过 SDK 或 API 记录并强制执行。效果：你可以像交付真实软件一样发布智能体——版本化、分阶段、经过 dev → staging → prod 的升级流程，只有 evals 通过才放行，失败时即刻回滚。不同之处大多数工具观察和打分，然后把问题丢给你。Prefactor 闭环——观察、评估、行动，全在同一个运行里完成。有风险的智能体会被当场抓住，而不是仅仅被画在图表上。我最喜欢的一个用户反馈：一位客户在生产环境运行了 40 个智能体，用他们的话说，“没办法诚实地说哪些还在正常工作”。我们给了他们答案——以及当某个智能体出问题时，踩下刹车的踏板。适用对象面向那些真正向客户交付智能体的工程团队，无论你用什么技术栈。智能体框架原生支持；其余通过 OpenTelemetry 或核心 SDK 接入。给 PH 社区的福利今天注册，你将获得 100 万免费智能体 steps。每个 span 都算数，所以这是一笔可观的实时生产评估量，算我们请客。有效期到周五太平洋时间晚上 11:59，只需配置好你的第一个智能体即可。我们的请求如果你在生产环境中运行智能体，请告诉我们你现在是怎么监控它们的——哪怕诚实答案是“我们基本靠祈祷”。我们会一整天在评论区里，真心想听听什么有效、什么在出问题，以及你希望这样的工具下一步能做什么。免费开始使用 prefactor.tech。每月前 25,000 个 span 免费，无需绑定卡。@simon_russell1 @joshgillies @ethan_lee8 @rheu @joeys 和我全天在线。特别感谢 @rohanrecommends @rohanchaubey4 为我们狩猎。PH 用户真心好奇“对每次运行打分”在大规模下是怎么做的，是采样还是真的评估 100% 的生产流量？这个区别对成本和数据的可信度影响很大。PH 用户漂移是那个没人提，直到它毁了一周才意识到的东西。在这里做真正的检测，感觉方向很对。PH 用户恭喜 Ethan 和团队！PH 用户“大多数智能体通过了评估却在生产环境翻车”——这句话会引起比你以为更多的团队共鸣。今年我已经在至少三次事故复盘里说过类似的话了。PH 用户我花了好几个月时间写内部脚本，专门用来捕捉这种偏离。要是当初能直接接入个像这样的工具，不知能省下多少熬夜的日子。 热门产品Ethan Lee2026-07-28原文 打开互动版
我们埋头搞这个项目已经有一段时间了，终于能展示给大家，真的很激动。
先说说这个产品围绕的核心问题：你真的清楚你的智能体现在在生产环境里干什么吗？
就我们接触的大多数团队而言，诚实的回答是“……不太清楚”。评估都通过了，一切正常，你发布了——然后每一次真实运行都消失在一个黑盒里。质量悄悄下滑。风险慢慢渗透。成本不断攀升。最后有人问你的哪些智能体还在干活，整个房间就安静了。
正是那种沉默，催生了 Prefactor。Gartner 预测到 2027 年超过 40% 的智能体 AI 项目会被砍掉——老实说，这个缺口是主要原因之一。
所以我们造了一直想要的东西：Prefactor 在每次生产运行的瞬间就给打分——质量、漂移、风险——然后把这些分数直接转化为行动。一个正在出问题的智能体能被实时逮住，而不是三天后出现在图表里。
实际工作原理
prefactor init - 一条命令连接你的 workspace，自动发现你 runtime 上的所有智能体。首次 trace 运行不到 5 分钟。
接入 SDK（TypeScript 或 Python）- 原生支持 LangChain、Claude、Vercel AI、OpenClaw 和 LiveKit。每次调用都变成一个 span，实时流式传输，附带成本和风险数据。
在每次运行时执行你定义的 evals——LLM-as-judge、技术检查、定性指标。自定义 span 从 GitHub、Linear、Jira 或数据库提取上下文，所以每个 eval 都基于真实发生的事，而不是靠猜。
行动。当某次运行越界时，立即暂停、批准或阻止——运行时自动触发，或路由到人工处理。所有决策通过 SDK 或 API 记录并强制执行。
效果：你可以像交付真实软件一样发布智能体——版本化、分阶段、经过 dev → staging → prod 的升级流程，只有 evals 通过才放行，失败时即刻回滚。
不同之处
大多数工具观察和打分，然后把问题丢给你。Prefactor 闭环——观察、评估、行动，全在同一个运行里完成。有风险的智能体会被当场抓住，而不是仅仅被画在图表上。
我最喜欢的一个用户反馈：一位客户在生产环境运行了 40 个智能体，用他们的话说，“没办法诚实地说哪些还在正常工作”。我们给了他们答案——以及当某个智能体出问题时，踩下刹车的踏板。
适用对象
面向那些真正向客户交付智能体的工程团队，无论你用什么技术栈。智能体框架原生支持；其余通过 OpenTelemetry 或核心 SDK 接入。
给 PH 社区的福利
今天注册，你将获得 100 万免费智能体 steps。每个 span 都算数，所以这是一笔可观的实时生产评估量，算我们请客。有效期到周五太平洋时间晚上 11:59，只需配置好你的第一个智能体即可。
我们的请求
如果你在生产环境中运行智能体，请告诉我们你现在是怎么监控它们的——哪怕诚实答案是“我们基本靠祈祷”。我们会一整天在评论区里，真心想听听什么有效、什么在出问题，以及你希望这样的工具下一步能做什么。
免费开始使用 prefactor.tech。每月前 25,000 个 span 免费，无需绑定卡。
@simon_russell1 @joshgillies @ethan_lee8 @rheu @joeys 和我全天在线。
特别感谢 @rohanrecommends @rohanchaubey4 为我们狩猎。