仓库原生查询
直接读取数据仓库里已有的智能体运行轨迹，在原地完成查询分析。不需要引入 SDK，也不需要额外搭建数据管道，省去数据搬运与二次存储的治理成本。
价格价格未公布
平台Web
归类AI 智能体
收录2025-01-01
复核2025-01-01
编辑评分
4.3 / 5
★★★★☆
Kubit.ai编辑总结
Kubit.ai 是一款自助式数据云原生产品分析平台，当前主打 Agent Observability with Behavior Analytics——把每一次智能体运行的 span 打上标签，用桑基图按执行路径的形状聚类展示，再切分成漏斗和队列找模式。它直接读取仓库里已有的 MLflow traces、Cortex Agents（Snowflake）或 OTel 采集的轨迹，无需引入 SDK、无需搭建管道。最突出的短板是产品处于早期接入阶段，官网只提供 Request Early Access 和上传 trace 文件试用，未公布任何定价档位。
Kubit.ai是什么？
Kubit.ai 是一款自助式数据云原生产品分析平台，当前把重心放在智能体可观测性上：它读取数据仓库里已经存在的智能体运行轨迹，在原地完成查询与分析，而不是要求用户先建管道把数据搬过来。
平台把所有 span 打上标签，将每次智能体运行画成桑基图，按执行路径的形状聚类，再切分成漏斗和队列，帮助找到触发这些模式的信号。数据连接覆盖 Databricks（读取 Unity Catalog 中的 MLflow traces 和 evals）、Snowflake（读取 AI_OBSERVABILITY_EVENTS 和 GET_AI_EVALUATION_DATA）、BigQuery 与 ClickHouse；没有仓库的用户可以直接上传 trace 文件试用。
使用方式上，个人开发者或小团队可以先用 trace 文件上传跑通同样的标签、聚类和分析流程，验证价值后再接入仓库；已经建有数据仓库的团队则让查询在自己账户内运行，省去第二份数据的治理成本；需要把智能体行为与业务结果挂钩的团队可以借助 Outcome Joins，把智能体动作与用户活动、A/B 测试和营销活动关联。
Kubit.ai核心功能
执行路径聚类
把所有 span 打上标签，用桑基图展示每一种执行路径的形状，循环、卡顿等模式会以整体形态浮现，而不是作为孤立事件出现，每类形态附带错误率、延迟和 token 成本。
路径漏斗
展示智能体运行在哪些步骤发生分叉、循环或停滞，帮助定位让整次运行失败的那一步，读法沿用分析师已经熟悉的漏斗形态。
队列分析
可以按意图、情绪、行为、错误、延迟或成本切分队列，把单个队列与整体流量做对照，让异常在对比中更容易被识别。
Outcome Joins
把智能体动作与用户活动、A/B 测试和营销活动关联起来，看哪些执行路径真正带来转化。因为数据在同一座仓库里，这类关联只需一次查询。
Databricks 原生
读取 Unity Catalog 中的 MLflow traces 和 evals，无需引入 SDK，也无需搭建管道。
Snowflake 原生
读取 AI_OBSERVABILITY_EVENTS 与 GET_AI_EVALUATION_DATA，Cortex Agents 的轨迹就地读取，评测数据与轨迹落在同一处。
BigQuery 与 ClickHouse
把同样的原生读取能力扩展到 BigQuery 和 ClickHouse，查询在用户自己的账户内运行，不产生第二份需要保护的数据拷贝。
Trace 文件上传
不想接仓库也可以直接上传 trace 文件开始分析，标签、聚类和后续分析流程与接入仓库时一致，适合在连接任何数据源之前先验证效果。
Kubit.ai值不值得用？
如果你已经用 Databricks、Snowflake、BigQuery 或 ClickHouse 存着智能体运行轨迹，又需要把故障、延迟、成本按执行路径的形状排优先级，Kubit 的仓库原生读取和路径聚类正好对上这个场景：轨迹不出仓库，无需 SDK 与管道，Outcome Joins 还能把行为和业务结果并到一次查询里。如果只是想看单次运行的调试细节，或者数据还没进仓库，这套「按路径形状聚类」的视角未必是你要的——可以先上传 trace 文件验证，再决定要不要接仓库。产品目前处于早期接入阶段，价格未公布，采购前需要先确认费用与授权细节。
建议选它的情况
- 轨迹已经放在 Databricks 或 Snowflake 里，希望原地查询而不搬数据的团队
- 需要按执行路径形状对智能体故障排优先级，而不是按谁投诉得多的团队
- 想把智能体行为与用户活动、A/B 测试、营销活动关联看转化的团队
- 想先用 trace 文件验证分析效果，再决定是否连接数据仓库的团队
不建议选它的情况
- 只需要单次运行级别的调试面板，不需要跨运行聚类与队列对比的用户
- 智能体轨迹尚未落入数据仓库，也没有条件先做文件上传试用的团队
- 对采购价格有硬性预算约束、需要先看到明确档位才能推进的用户
Kubit.ai使用建议
入门先把路子走对
- 先上传 trace 文件官网上提供 Upload a trace file to get started，不接任何数据源就能看到同样的标签、聚类和分析结果，适合作为第一步验证。
- 用桑基图找回圈点在 Flows 视图里点任意路径或步骤，就能看到它在全部度量下的统计，循环和卡顿会作为形态出现，而不是散落在单条 trace 里。
- 先选度量口径Measure 支持 Count、Error、Latency、Cost 四种口径，切入分析前先确定你要回答的是哪一类问题，高亮会随口径切换。
- 申请早期接入页面提供 Request Early Access，接入仓库侧的能力需要通过该入口申请，适合在文件试用确认价值后推进。
进阶省时间也省钱
- 用队列做对照不要只看整体指标，按意图、情绪、行为、错误、延迟或成本切出队列，再与整体流量对比，异常更容易在这一步暴露。
- 把修复清单按规模排序路径聚类会把上千次发生压缩成一个形态，修复优先级可以按形态规模排，而不是按投诉先后排。
- 业务结果并进同一次查询借助 Outcome Joins 把智能体动作与用户活动、A/B 测试、营销活动关联，判断哪条执行路径真正带来转化，而不是只看错误率。
- 优先走仓库原生读取Databricks、Snowflake、BigQuery、ClickHouse 都支持在原地读取，选择这条路可以避免产生第二份需要单独保护的数据拷贝。
Kubit.ai适合谁用？
数据平台工程师
推荐轨迹和营收表已经在同一座仓库里，希望用一次查询把两者关联，而不必为每个问题开数据工程工单。
智能体产品团队
推荐每周有大量智能体运行，靠人工逐条打开 trace 找问题，需要按执行路径形状把故障排成优先级清单。
数据分析师
推荐已经熟悉漏斗的读法，可以沿用同一套思路看智能体运行在哪一步分叉、循环或停滞。
尚未入库的小团队
有条件轨迹还没有进入数据仓库，可以先用 trace 文件上传试用同样的分析流程，再决定是否接入仓库。
采购预算先行的团队
有条件需要先看到明确价格档位才能推进采购流程，而价格目前未公布，只能通过 Request Early Access 沟通。
Kubit.ai优点和缺点
优点
- 轨迹就地读取，无需 SDK、无需搭建管道
- 按执行路径形状聚类，上千次发生压缩成一个形态
- 桑基图同时呈现成功、循环与错误三类走向
- 每类路径形态附带错误率、延迟和 token 成本
- Outcome Joins 把行为与用户活动、A/B 测试关联
- 覆盖 Databricks、Snowflake、BigQuery、ClickHouse
- 不接仓库也能用 trace 文件跑同一套分析
缺点
- 价格未公布，采购前无法直接比较档位
- 页面以 Request Early Access 为主，自助开通路径不明确
- 官方未说明是否提供免费额度
- 分析聚焦智能体轨迹，通用产品分析能力介绍有限
Kubit.ai关键指标
| 指标 | 数值 | 数据来源 |
|---|---|---|
| 示例会话量 | 3,207 sessions | Flows: Shopping Agent 示例 |
| 示例统计窗口 | last 24 hours | Flows: Shopping Agent 示例 |
| checkout 轨迹数 | 1,352 | Flows: Shopping Agent 示例 |
| confirm_order 占比 | 65 % | Flows: Shopping Agent 示例 |
| payment_failed 占比 | 9 % | Flows: Shopping Agent 示例 |
| out_of_stock 占比 | 8 % | Flows: Shopping Agent 示例 |
Kubit.ai常见问题
它到底是做什么的？＋
当前主打 Agent Observability with Behavior Analytics：把每次智能体运行的 span 打上标签，用桑基图按执行路径的形状聚类，再切分成漏斗和队列找模式。所有查询都在你自己的数据仓库里原生完成。
需要改造我的智能体才能用吗？＋
不需要引入 SDK，也不需要搭建数据管道。平台直接读取仓库里已有的轨迹，例如 Databricks Unity Catalog 中的 MLflow traces 和 evals，或 Snowflake 的 AI_OBSERVABILITY_EVENTS 与 GET_AI_EVALUATION_DATA。
我的轨迹数据会被搬走吗？＋
不会。查询在用户自己的账户内运行，轨迹不离开仓库，因此也不会产生第二份需要单独保护的数据拷贝。这也是它在页面上强调「Traces never leave your warehouse」的原因。
还没有数据仓库能试用吗？＋
可以。页面上提供 Upload a trace file to get started，上传 trace 文件就能得到同样的标签、聚类和分析结果，适合在连接任何数据源之前先验证。
它和普通 trace 查看工具有什么不同？＋
普通工具通常一次打开一条 trace，Kubit 把运行按执行路径的形状聚类，用桑基图呈现全部形态，让上千次发生收敛成一个模式，修复清单按规模而不是按投诉先后排序，并附带错误率、延迟和 token 成本。
怎么开始使用？＋
页面上有 Request Early Access 和 See the Live Demo 两个入口，也支持直接上传 trace 文件开始。接入仓库侧的能力需要通过早期接入计划申请。
