新闻详情

新闻详情

首页 / 资讯中心 / 详情

如何对比两次AI编码会话?CANNBot-Sentry Session Compare并排对比功能详解

发布时间:2026/11/12 17:57:31来源:尧图网络
如何对比两次AI编码会话?CANNBot-Sentry Session Compare并排对比功能详解
如何对比两次AI编码会话CANNBot-Sentry Session Compare并排对比功能详解【免费下载链接】cannbot-sentryCANN 生态中面向 Agent 工作流的“哨兵”观测 · 审计 · 评测三位一体的质量基础设施项目地址: https://gitcode.com/cann/cannbot-sentryCANNBot-Sentry是 CANN 生态中面向 Agent 工作流的观测·审计·评测质量基础设施其中的Session Compare会话并排对比功能可以把你跑过的任意两次 AI 编码会话放在一起逐项对比 Token 消耗、费用、耗时、工具调用与子代理数量帮你快速判断 Prompt 优化、模型切换到底有没有效果。本文面向新手用最短的路径讲清楚这个功能怎么用、比什么、结果怎么看。为什么需要 AI 编码会话对比同一类任务跑多次是很常见的场景改了 Prompt想知道新写法是更省 Token 还是更费换了模型或 Provider想验证成本和质量变化对比“带 Skill”和“不带 Skill”两种工作流的执行效率。人眼逐个打开两个会话翻 Turn 记录既慢又容易漏。Session Compare 把这件事变成了一次点击 一张并排报表。Session Compare 是什么该功能位于 packages/insight 包中提供两种入口入口适合人群对比内容Web UI/compare 页面所有用户概览卡片、Token 五项拆解图、工具调用表、逐 Turn 对齐CLI compare 命令脚本化 / 终端用户14 项指标的表格输出支持 JSON核心指标包括模型、总 Token、总费用、总耗时、LLM 调用次数、工具调用次数、子代理数量、Skill 加载次数等。Web UI 并排对比四步走 ️第 1 步安装并启动npm install -g cannbot-insight cannbot-insight首次运行约 30 秒到 2 分钟自动构建 建库随后自动打开浏览器默认端口 21025。第 2 步导入两次会话opencode 和 Claude Code 的会话记录都支持导入首页导入对话框提供一键默认路径详见 packages/insight/README.md。第 3 步勾选 2 个会话在首页会话列表中勾选 2 条记录点击出现的Compare Selected按钮页面跳转到/compare?sessions{id1},{id2}对比页。第 4 步查看两个 TabOverview概览左右并排的核心指标卡片数值更低/更快的一方用绿色高亮一眼看出谁更省下方是 Token 五项拆解对比柱状图input / output / reasoning / cacheRead / cacheWrite和工具调用汇总对比表各工具使用次数 成功率 差异值。Turn-by-Turn逐 Turn把两个会话的 Turn 按相似度自动对齐后并排展示独有的 Turn 也会标出方便定位“多走了哪几步”。对齐算法相似度阈值、角色不匹配惩罚等实现在 turn-align.ts 中。对比页整体逻辑可参考 packages/insight/src/app/compare/page.tsx四个对比组件集中在 packages/insight/src/components/compare/ 目录。CLI 一行命令对比两个会话不方便开浏览器时比如 SSH 环境用 CLIcannbot-insight compare taskId1 taskId2 cannbot-insight compare taskId1 taskId2 --json命令会输出 Task ID、模型、Token总量/输入/输出、费用、耗时、LLM 活跃时长、工具调用、LLM 调用、子代理、Skill 加载等 14 行指标的 A/B 对照表--json便于接入脚本。实现见 packages/insight/src/cli/commands/compare.ts命令参考 docs/cli-commands.md。拿到对比结果后看什么绿色高亮指标Token 和 Cost 谁更低、Latency 谁更短直接反映优化收益Token 五项拆解cacheRead 占比高说明缓存命中好reasoning 偏高则说明模型“想”得多工具调用 Diff 列某工具调用次数突然增加如文件重复读取往往是工作流冗余的信号逐 Turn 对齐找出 B 会话多出的 Turn通常就是无效探索发生的位置。相关文档与源码功能需求与设计packages/insight/docs/design/session-compare/requirements.mdWeb 对比页packages/insight/src/app/compare/page.tsxTurn 对齐算法packages/insight/src/lib/compare/turn-align.tsCLI 命令文档packages/insight/docs/cli-commands.md小结Session Compare 把“两次 AI 编码会话谁更划算、哪里多花了 Token”变成了一次勾选和一张报表Web 端看图表和逐 Turn 对齐CLI 端拿结构化数据。无论你在调 Prompt、换模型还是评估 Skill 收益它都是 CANNBot-Sentry 观测体系里最值得先上手的对比利器。【免费下载链接】cannbot-sentryCANN 生态中面向 Agent 工作流的“哨兵”观测 · 审计 · 评测三位一体的质量基础设施项目地址: https://gitcode.com/cann/cannbot-sentry创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/13 0:43:49

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/12 23:59:09

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/12 9:50:02

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/12 9:25:38

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/12 15:57:44

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/13 0:02:27

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉