> ## Documentation Index
> Fetch the complete documentation index at: https://docs.befailproof.ai/llms.txt
> Use this file to discover all available pages before exploring further.
# 性能指标
> FailproofAI 可观测性性能指标文档。
即时发现模型、工具或钩子何时出现性能下降或费用激增，在用户感知到之前就捕获尾部延迟峰值。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 百分位数。
*Models 页面：延迟热图、百分位带，以及每个模型的 token 用量、预估费用和上下文窗口占用情况。*
## 别再让平均值掩盖最糟糕的调用
平均延迟数字看起来让人放心，实则毫无意义：它会平滑掉每五十次调用中那一次卡住、在凌晨两点触发告警的请求。Models、Tools 和 Hooks 页面拒绝这样做。三者结构相同，学一次即可举一反三：
* **24 格迷你折线图**，快速把握趋势：情况是否在恶化？
* **核心指标条**，包含 p50、p95 和 p99 延迟，典型请求与尾部请求并排呈现。
* **延迟热图**：横轴为 24 个时间段，纵轴为延迟区间，直观展示慢请求在*何时*集中出现。
* **百分位带**：p50 中线搭配 p25–p75 和 p10–p90 阴影区间，以及 p99 散点，让分布情况清晰可见而非被平均值掩盖。
共享的悬停十字线将热图和百分位带联动，尾部延迟峰值在两个视图中时间对齐，不会藏匿在单一均值线后面。三个页面均位于仪表板的 **observe** 区域，可按组织范围进行过滤，支持日期范围、环境、Agent 和会话等维度。
## Models：精确掌握每个模型的成本
Models 页面（如上图所示）直接回答账单带来的两个问题：哪个模型，花了多少钱。在共享延迟视图的基础上，它额外呈现**每个模型的 token 消耗**、**预估费用**和**上下文窗口占用情况**，让失控的 prompt 增长和即将触发的压缩操作在发生前就一目了然。
FailproofAI Observability 会自动识别常见模型 ID。如果某个窗口显示有误，或者您运行的是自有私有模型，可在 **Settings** 的 **model context windows** 下进行修正或添加，相应的占用率读数会自动更新。
## Tools：区分慢速与故障
工具调用可能只是运行缓慢，也可能正在悄然失败——您需要在几秒内判断是哪种情况，而不是翻遍日志才得出结论。
*Tools 页面：同样的热图和百分位带，加上成功与失败分布以及工具使用分布条。*
在共享延迟视图基础上，Tools 页面额外提供**成功与失败分布**和**工具使用分布条**，让您一眼看出哪些工具最常被调用，哪些正在消耗您的错误预算。
## Hooks：精确定位问题钩子和触发事件
当某个生命周期钩子拖慢了运行速度，"钩子太慢"这个结论根本无法指导行动。Hooks 页面帮您直接定位到问题所在。
*Hooks 页面：按钩子名称和触发事件细分的延迟数据。*
在相同的延迟热图和百分位带之上，Hooks 页面将活动按**钩子名称**和**触发事件**进行细分，让您直接定位到需要处理的那一个钩子和那一个事件。
## 相关内容
* [事件流](/zh/agenteye/event-stream)：每个事件的实时彩色追踪记录。
* [会话](/zh/agenteye/sessions)：将事件汇总为每次运行一行，并展开其执行图。
* [错误追踪](/zh/agenteye/error-tracking)：统一的问题分类处理界面，涵盖仪表板标红的所有内容。
* [仪表板](/zh/agenteye/dashboards)：面向整体集群的汇总视图。