Heron
Wireshark for AI Agents：被动式 eBPF 可观测性
Heron 是一款被动式网络分析器，能够重构 AI 代理的实际行为。无需 SDK，无需代理。通过钩入 eBPF，即可查看 TLS 加密的 LLM 调用，并识别发出这些调用的代理进程。
AI 分析
Heron 是一个利用 eBPF 的被动网络分析器，用于 AI 代理的可观测性。它无需任何 SDK、代理或代码修改，通过钩入 TLS 加密的 LLM 调用来重构实际代理行为，同时识别责任代理进程。核心功能包括针对 AI 交互的类似 Wireshark 检查。它解决了 AI 代理行为不透明、意外 LLM 调用以及生产环境调试困难等主要痛点。价值主张是零开销、轻松监控，以提升 AI 系统的安全性、可靠性和理解度。
2025-2026年的市场时机有利，因为 AI 代理和基于 LLM 的自治系统呈爆炸式增长，推动了对超越传统追踪的高级可观测性的需求。随着 eBPF 技术在 Linux 环境中成熟、AI 安全、合规和透明度担忧上升（例如新兴法规）以及用户需求转向非侵入式工具，Heron 完美契合。优秀时机。
总体可行性为高。虽然 eBPF 内核编程和 TLS 处理带来需要专业知识的技术挑战，但该工具建立在成熟技术之上，没有供应链依赖。作为 GitHub 开源项目，开发和运营成本适中。网络监控的合规风险存在但可控。在云和企业 Linux 设置中具有强大的可扩展潜力，尽管团队需要内核级技能。高。
主要目标用户：构建或运营 AI 代理的 AI/ML 工程师、开发者和 DevOps 团队（人口统计：25-45 岁的科技专业人士）。行业：AI 初创公司、企业软件、云服务。地理分布：全球，重心在美国、欧洲和亚洲科技中心。估计市场规模：TAM 为 150 亿+ 美元的 AI 可观测性/监控市场；SAM 为 LLM/AI 代理工具的 20 亿美元；SOM 为专业被动可观测性的 1 亿美元+。核心痛点：不透明的代理决策和外部调用。尽管开源核心，但对企业功能/支持的付费意愿高。
竞争水平：中。直接竞争对手：1. LangSmith (smith.langchain.com)，2. Helicone (helicone.ai)，3. Arize Phoenix (arize.com/phoenix)，4. Langfuse (langfuse.com)，5. OpenLLMetry (github.com/traceloop/openllmetry)。优势：真正被动且零代码更改，eBPF 可实现加密流量可见性和进程归因，不同于依赖 SDK 的竞争对手。劣势：限于 Linux/eBPF 环境，与成熟平台相比，完整的 LLM 追踪/评估功能集可能较窄，作为较新的开源工具品牌知名度较低。
升级 Pro 解锁完整 AI 分析
