性能指标

即时发现模型、工具或 hook 的性能下降或费用飙升，在用户察觉之前捕捉尾延迟峰值。三个专属页面将原始计时数据转化为一目了然的 p50、p95 和 p99 指标。 模型页面：延迟热力图、百分位数区间，以及每个模型的 token 数量、预估成本和上下文窗口填充情况。

​

别让平均值掩盖最糟糕的情况

平均延迟数字看似令人安心，实则毫无意义：它将每五十次调用中那一次导致凌晨两点告警的卡顿全部抹平了。模型、工具和 Hook 页面拒绝这样做。三个页面结构相同，学会一个，其余触类旁通：

• 24 格迷你折线图，一眼看出趋势：情况是否在恶化？
• 核心指标条，展示 p50、p95 和 p99 延迟，让典型运行时间与尾部延迟并排对比。
• 延迟热力图，横轴为 24 个时间段，纵轴为延迟区间，直观呈现慢调用的集中时段。
• 百分位数区间：p50 中线配合 p25 至 p75、p10 至 p90 的阴影带以及 p99 散点，让分布情况清晰可见，而非被平均值淹没。

热力图与区间图共享悬停十字准线，尾部延迟峰值在两者中同步对齐，不会藏匿于单一均值线之后。在仪表板的 observe 区域可找到这三个页面，均按组织范围划分，支持按日期范围、环境、Agent 和会话进行筛选。

​

模型：精确掌握每个模型的成本

模型页面（如上图所示）直接回答账单上的两个问题：哪个模型，花了多少钱。在共享延迟视图之上，它还增加了每模型 token 消耗量、预估成本和上下文窗口填充情况，让提示词无节制增长和即将触发的压缩操作在发生之前就能被发现。 Failproof AI Observability 能自动识别常见的模型 ID。如果某个窗口显示有误，或者您使用的是自有私有模型，可在 Settings 的 model context windows 中进行修正或添加，填充率读数将随之更新。

​

工具：区分慢速与故障

一次工具调用可能只是速度慢，也可能是在悄悄失败，您希望在几秒内知道是哪种情况，而不是翻遍日志之后才发现。 工具页面：相同的热力图和百分位数区间，加上成功/失败分类统计和工具分布条形图。 在共享延迟视图的基础上，工具页面额外提供成功/失败分类统计和工具分布条形图，让您一眼看出哪些工具最常被调用，哪些正在侵蚀您的错误预算。

​

Hook：精准定位具体的 hook 和触发事件

当某个生命周期 hook 拖慢了运行速度，“hook 太慢了”这样的结论根本无从下手。Hook 页面能帮您直接定位到问题所在。 Hook 页面：按 hook 名称和触发事件细分的延迟数据。 在相同的延迟热力图和百分位数区间之上，Hook 页面将活动按 hook 名称和触发事件进行细分，让您精准锁定需要关注的单个 hook 和单个事件。

​

相关内容

• 事件流：每个事件的实时彩色追踪记录。
• 会话：将事件汇总为每次运行一行，并打开其执行图。
• 错误追踪：统一处理仪表板标红的所有问题。
• 仪表板：跨全局的汇总视图。