SteelSpine：用于调试AI智能体的回放工具

SteelSpine AI 是一款专注于AI智能体调试和审计的基础设施工具。它针对当前AI智能体在生产环境中面临的三大痛点——高失败率、无状态（每次调用从零开始）以及审计缺失——提供了一套完整的解决方案。

核心功能

SteelSpine 通过一条命令包裹任意智能体（Python、Node、Shell脚本等），无需安装SDK或修改代码。每次运行时，它会以结构化因果事件的形式记录智能体的每一个决策、工具调用和状态转换，并实时写入SHA-256哈希链，确保数据完整性。

调试与回放：用户可以使用 steelspine run 运行智能体，并利用 steelspine compare 比较两次运行的差异，精确到事件级别的分歧点。例如，当参数“temperature”从0.2变为0.8时，系统能指出由此引发的5个下游决策变化，并定位根原因为配置漂移。此外，steelspine replay 支持从任何已捕获状态进行确定性回放，无需实时API调用。

持久内存：LLM本质上是无状态的，每次对话都从零开始。SteelSpine 提供了一个透明代理，只需更改一个URL，即可自动将相关上下文注入每个提示。它还能将持久性事实提升为长期实体存储，使同一智能体能在不同会话间保持记忆。

加密审计：所有运行记录都通过SHA-256滚动哈希链进行签名，支持HMAC-SHA256和Ed25519非对称签名。用户可以通过 steelspine verify-run 生成自包含的HTML审计报告。在合规模式下，还会自动集成RFC 3161时间戳服务（符合eIDAS标准），并通过 --pq-sign 启用后量子签名（ML-DSA-65，符合NIST FIPS 204），适用于长期存档。

对比现有方案

与传统追踪工具（如LangSmith、Arize、Galileo）相比，SteelSpine 的优势在于不仅能“看到”发生了什么，还能“操作”这些数据。这些工具仅提供只读的日志和跨度，而SteelSpine 支持回放、内存注入、篡改检测和CI评估门控（如 steelspine eval --fail-on-diff 在回归时返回退出码1）。此外，SteelSpine 运行在用户本地，无云依赖，无供应商锁定，100%可用。

适用场景

SteelSpine 适用于任何需要通过命令行运行的AI智能体，特别适合以下场景：

• 调试失败率较高的多步骤智能体（如100步任务中63%的失败率）。
• 需要合规审计的行业（金融、医疗等），满足欧盟AI法案第12条要求。
• 需要跨会话状态保持的对话型应用（如减少客户流失）。

目前不支持托管UI（如ChatGPT.com、Claude.ai网页版），但计划通过适配器扩展。

定价与可用性

SteelSpine 提供一次性本地许可证，无限制追踪；而同类工具如LangSmith每年的实施费用可达2万至4万美元。SteelSpine 还提供14天免费试用，试用后每月29.99加元。

总之，SteelSpine 填补了AI智能体调试和审计领域的空白，通过捕获、回放、记忆和证明，让开发者真正掌控智能体的行为。