AgentSight 本地观测智能体轨迹
InfoQ 报道称，AgentSight 是 Agentic OS 的可观测性组件，部署在用户自己的机器上，用于重组智能体轨迹并从成本、性能和准确性角度进行分析。其引用的产品文档称，当前版本适配 Claude Code、Codex CLI 和 Qwen Code，支持 macOS 与 Linux 本地会话采集，Linux 完整 eBPF 管线为可选项。AgentSight 自身前端案例显示，添加可复用的 AGENTS.md 规则后，Token 从 36K 降至 8.9K，LLM 调用从 18 步降至 8 步，耗时从 370 秒降至 130 秒；该数据来自厂商案例，并非独立测量。
AgentSight 提供了在本地追踪智能体行为、定位无效轮次并沉淀可复用项目规则的完整流程，但其节省效果仍需独立验证。
背景
Agent 的 Token 花销里，有不少是冤枉钱。同一个项目跑过的坑，换一次任务又踩一遍；上次查清楚的信息，这次从头再查一轮。这些轮次本来不该发生，但每一步都在烧 Token。
业界主流的降本法是剪单次。工具返回太长就压，Headroom（headroomlabs-ai/headroom）压冗余结构，rtk（rtk-ai/rtk）过滤 shell 输出；历史太长就截，Claude Code 的 compaction、LangChain 的 trim_messages 做滑动窗口和摘要。每次交互少发一点，确实省钱。但这些手段对付的是单次调用的体积，管不了轮次本身该不该发生。
AgentSight 做的是后面这一层。先看清钱花在哪，再从轨迹里把经验攒下来，让不该发生的轮次别发生。跟剪单次互补，不冲突。
#AgentSight#Agentic OS#Claude Code#Codex CLI#Qwen Code#OpenTelemetry#Kubernetes#Docker