00:00rec · start
面向编码智能体的可观测性、审计与安全——就在机器上

让你的编码智能体全程留痕。

上个月你的智能体跑了数千次会话。它们花了多少钱——又产出了什么?它们碰过什么?它们是否按你公司的方式工作?Gesta 度量、管控并引导每一次会话——就在工作发生的那台机器上。

$ curl -fsSL https://artifacts.gesta.run/gesta/install-agent.sh | bash -s
开始使用 →
00:14efficiency
场景 1 · 效率

你在 token 上花了 $3M。产出了什么?

董事会在问,而供应商账单答不上来——它止步于 API key。Gesta 用一份任何账单都产不出的明细来回答:你的智能体真正写下了什么——代码、文档、测试——按 API 目录价计价,每一个缓存层都算在内。

gesta.run/token-efficiency
Token 效率 · 近 30 天
$438Ktoken 成本
↓ 23% 对比上月
148K
代码
96K
文档
31K
测试
成员成本代码文档测试工作类型
alex$4123,120640520编码 71%
sam$3882,2401,380310编码 64%
jordan$2961,610420240编码 58%
rowan$1884602,9000研究 62%
仅统计人类——自动化(bot)花了 $6.2K,计入组织总额,但从不单列或排名。
计数是怎么做的

在笔尖度量,而非纸面。

纸面是一次会话留下的东西——文件、diff、提交——而纸面会撒谎。一处一个字符的修复,格式化工具却重写了上千行。生成器吐出没人写过的代码。真正救了你一周的那次会话,可能一个提交都没留下。

所以 Gesta 不数纸面。它度量的是墨水:智能体亲手落下的每一个字——代码、测试、文档,甚至直接写进你 wiki 的一页——在书写的那一刻就计数,早于格式化工具、生成器或 git 能碰到它之前

任何人都能看到花费。只有 Gesta 看得到产出——在机器上,在它被写下的那一刻。

离开机器的只有计数。墨水本身永远不会。

一份你的模型供应商——以及你的 AI 网关——永远不会给你看的明细。

01:24security
场景 2 · 安全

在它运行前拦住。

你的规则从一个控制台推送到每台机器上的每个智能体,危险的调用会在执行之前被拦住。运行前拦住、离开前阻断——包括那种悄无声息的:一个即将把明文密钥带离机器的 prompt。

38
生效规则
2,417
决策 · 24h
11
已阻断
6
待审
214
规则命中
gesta.run/policies
动作智能体用户会话决策
Prompt attaches AWS_SECRET_ACCESS_KEY规则:凭据模式 · 外发 promptCodexsama190阻断
git push --force origin main规则:向受保护分支强推Claude Codealex7f3c暂停
Edit .env.production规则:写入密钥文件Codexsama190待审
rm -rf build/限定在工作区内Claude Codealex7f3c放行
第一行:密钥从未离开机器——这个 prompt 在外发之前就被拦住了。

规则就是你从控制平面推送的模式——覆盖每个智能体、每次会话、每台机器。我们自己的机队每天都在跑这些规则。图中数据仅为示意。

你拦不住智能体做的每一件事。但你可以确保没有一件事是看不见的

01:52guide
场景 3 · 知识库

智能体删掉了那个 pod。没人告诉过它要先问。

模型懂通用工程,却不懂你的公司——哪个集群是“pre”,什么需要确认,动共享基础设施之前该知会谁。这些知识住在你的组织知识库(Organization Library)里——而 Gesta 会把它注入每个受管智能体的每一次 prompt。

(a) · 确认

同样的请求,两种结局。

>检查 pre 环境并删除 payments-api pod。

session-b2e1 · replay没有组织知识库
  1. t+0s解析“pre” — Codex 猜成集群 pre-eu-1
  2. +4skubectl get pods -n payments
  3. +6skubectl delete pod payments-api-7d4f▲ 未确认
第一遍就删了。用户是事后才知道的。
session-b2e2 · replay有组织知识库
  1. t+0s注入上下文 — “任何涉及删除的 SRE 操作,都要先向用户确认。”
  2. +3s解析“pre” — 按你的术语表,即集群 pre-eu-1
  3. +5sClaude Code 询问 — “这会删除 pre 里的 payments-api。确认吗?”
  4. +41s用户确认 — 删除继续,全程在案
先问了。确认之后,才执行。

改编自一次真实的内测事故。图中数据仅为示意。

(b) · 新人

入职第三天。David 的智能体已经知道该问谁。

有些规则不在任何配置或 README 里——它们只住在少数几位老兵的脑子里。“动 staging 之前先给 alex 打个招呼。”新人的智能体根本无从知道。知识库知道。

>重启 staging 集群,让我的配置改动生效。

session-c7a9 · replayDavid,第 3 天
  1. t+0s注入知识库 — “staging 是共享的。动它之前先知会 alex。”
  2. +2sClaude Code 询问 — “你们团队在动 staging 前会先知会 alex。已经说了,还是要我先停一下?”
  3. +30sDavid — “提醒得好,这就通知他。继续吧。”
  4. +2mstaging 已重启 — alex 知情 · 他的演示毫发无损
没有知识库的话:alex 会在 staging 于他演示途中挂掉时才发现。这条规则本来只在三位老兵脑子里——第三天,David 也有了它。

一个知识库承载着你公司如何运作——没有零散的副本,没有漂移。模型读得懂你的代码,但永远读不懂你的公司——而这是唯一一份没有供应商能卖给你的资产。

组织知识库在流程中引导——硬性拦截交给 Policies。每一次交付都在案。

02:30position
位置

工作发生在机器上。Gesta 也在那里。

你的网关看到的是流量。你的模型厂商看到的是 API 调用。你的云端日志看到的是被借用的凭据。而智能体真正的工作——它写下的文件、它执行的命令、它接到的指令——只存在于一个地方:它运行的那台机器上

Gesta 就站在那里——无论 SaaS 还是自托管,daemon 都装在机器上。正因如此,Gesta 才能数出智能体写了什么、在危险调用执行前拦住它、在密钥离开机器前截下它。这些没有一件能在别处完成——不是别人不愿意,是物理不允许。

留在机器上的prompt · 代码 · diff——墨水本身
离开机器的计数 · 事件 · 决策——记录,防篡改

记录在案——因为它就发生在机器上。

02:53self-host
在你自己的墙内

你的 prompt 和代码永不离开你的网络。

想要托管版?以 SaaS 方式运行 Gesta——daemon 依然装在你的机器上,离开机器的只有记录。连记录也要留在内部?同一套技术栈可以自托管在你自己的实例上:控制平面、数据、记录,全部在你的边界之内。没有供应商后端,默认不出网。

03:14install
工作原理

装一次。覆盖每一个编码智能体。

01

安装守护进程

在端点上执行一条命令:curl -fsSL https://artifacts.gesta.run/gesta/install-agent.sh | bash -s -- --control-url https://api.gesta.run --apikey <secret key>。它会挂接机器上已装好的编码智能体。

02

设定策略,或用我们的

规则适用于组织内的每个智能体、每次会话、每台机器。从一份持续维护的基线出发,再做调整。

03

盯住记录

实时活动、任意会话的端到端回放、每个动作都有归属——尽在一处。

$ curl -fsSL https://artifacts.gesta.run/gesta/install-agent.sh | bash -s -- \
  --control-url https://api.gesta.run \
  --apikey <secret key>
→ downloading gesta-agent · darwin/arm64
checksum verified
Claude Code hook installed
Codex hook installed
daemon configured
agent installed — every session on the record
03:34end

■ 会话结束 · 9 条记录 · 每个动作都有归属

你的智能体会话,也该有同样的记录。

几分钟即可安装。看着你的第一次智能体会话,端到端全程归属。