AI 助手线上出错后，Tessary 想帮团队找到是哪一步变了

AI 助手在测试时表现正常，接入业务后却突然答错、调用工具失败，团队往往要在运行日志和代码提交之间来回翻找。Tessary 官网介绍了一种排查思路：持续收集助手每次运行留下的记录，发现相似异常后归成一个问题，再结合代码仓库线索帮助开发者定位变化。

先把分散的报错归成一个问题
Tessary 官网把产品描述为面向生产环境 AI 助手的运行观察工具。开发团队把助手运行时留下的记录发给它，系统会检查这些记录、标记可能的问题，并把表现相近的异常放进同一个案例里，减少逐条翻日志的工作。

这里的“运行记录”可以理解为一次请求经过了哪些步骤、调用了什么工具以及出现了什么结果。以上功能来自项目方官网介绍，不代表本站已连接或测试该服务。

把运行记录和代码变化放在一起看
官方页面介绍，Tessary 可以接入代码仓库。出现异常时，系统会把相关运行记录与代码线索一起交给分析流程，尝试说明问题可能从哪里来、有哪些记录支持这个判断。团队可以先在案例页面查看线索，再把问题交给负责的开发者。

Tessary 的定位是帮助团队发现和解释问题，并把处理线索交给人；官方 README 明确写到，它不会替团队自动修改代码。最终是否修复、怎么修改，仍由开发者决定。

可以用云端服务，也可以自己部署
官网提供 Tessary Cloud 的注册入口；官方 GitHub 仓库则公开了自托管步骤和容器部署命令。仓库标注项目采用 Apache 2.0 许可证。按项目方说明，自行部署需要准备 Docker Engine 26 或更新版本，以及 Docker Compose v2.34 或更新版本。

它适合已经把 AI 助手接入业务、需要持续查看运行情况的开发团队。小团队在决定接入前，可以先看清运行记录会发送到哪里、仓库连接会提供哪些代码线索，再按自身的数据管理要求选择云端或自托管方式。

想继续了解
• Tessary 官网产品介绍
• Tessary 官方 GitHub 仓库与 README