Grafana 如何用 SLO 和错误预算衡量 AI Agent 行为可靠性

Grafana Labs 提议通过评估、服务等级目标（SLO）和错误预算，把 AI Agent 的幻觉、任务完成度、毒性和成本转化为可持续监测的行为指标。文章以 30 天内 95% 对话完成任务为例，说明团队如何根据错误预算在继续实验与改进质量之间做决策。文中还区分了离线评估与在线评估，并指出 LLM 评判器和评估数据集的质量会直接影响 SLO 的可信度。