Cartha — Agent Operations Platform

嗨 Product Hunt 👋 我们是 Cartha 背后的团队。

灵感来源

我们当时在生产环境中调试一个 AI agent，有一个问题始终无法解答：它在做出那次调用时究竟知道什么——甚至，它是否有权限知道这些？

调用链路告诉我们执行路径，却无法告诉我们记忆范围、花费上限，或者哪些 agent 之间可以共享哪些内容。

我们做了什么

Cartha 是面向 AI agent 集群的运维 / 治理层：

• 完整的运行时间线（工具调用 + LLM 步骤）

• 在服务端强制执行的记忆作用域（用户 / agent / 团队 / 组织）——而非"相信 prompt"

• 硬性预算，到达上限时直接终止任务（而非软性告警）

• 多 agent 嵌套 + 衰减式授权（父级只能下放更弱的权限）

• 策略 + 人工介入升级流程

• 集群、花费与记忆的可视化面板

怎么用

pip install cartha-sdk → 设置 CARTHA_API_KEY → cartha.init() → 使用 @cartha.trace / @cartha.tool / wrap_openai()。

你的 agent 保持不变，我们让它在生产中真正可运营。

和"LLM 可观测性"有什么不同

可观测性是必要的。我们关心的是下一层：当 agent 共享记忆、调用工具、消耗预算时的强制执行与责任归属。

我们已上线：https://cartha.in，使用指南：https://cartha.in/how-to-use

我们刚刚起步，正在与设计合作伙伴共同迭代。欢迎给我们最直接的反馈：

1）什么会让你本周就安装它？

2）你现在用什么来追踪 agent 调用 / 记忆 / 成本？

3）把 agent 记忆放进 SaaS 有什么绝对不能接受的点？

发布日快乐，欢迎向我们提问 🚀