kyoko
一个完全本地的AI智能体性能测量、调试与优化系统。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：kyoko。 它的用途是：一个完全本地的AI智能体性能测量、调试与优化系统。 完整的 Skill 内容见：https://321skill.com/skills/kyoko/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我集成Kyoko来监控我的客服机器人，看看它在处理复杂工单时哪里最耗时。”，它会引导你安装Kyoko库并修改几行初始化代码。运行机器人后，你可以打开Kyoko的本地仪表盘，清晰地看到每个对话回合的LLM调用耗时、工具使用情况以及可能陷入循环的决策路径。
介绍
Kyoko 是一个专为AI智能体开发者设计的本地化系统，旨在解决智能体在复杂任务中性能不稳定、难以调试和优化的问题。它通过内置的遥测功能，自动追踪和分析智能体在运行过程中的决策、调用和资源消耗，帮助开发者直观地发现性能瓶颈和错误根源。
使用Kyoko非常简单：开发者只需在现有智能体代码中集成其轻量级的遥测库，然后照常运行智能体。Kyoko会在后台收集详细的运行数据，并通过其本地Web界面提供可视化的分析报告，展示智能体在不同运行周期中的表现差异、Token消耗、API调用链等关键指标。
这个工具非常适合智能体开发者和运维工程师，特别是那些正在构建、测试或维护基于大语言模型的自动化工作流、对话系统或多智能体协作应用的专业人士。它帮助开发者从“黑盒”测试转向数据驱动的开发。
建议在开发周期的早期就集成Kyoko，以便持续监控智能体的行为变化。由于它是完全本地运行的，无需担心敏感数据或提示词泄露到云端，非常适合处理内部业务逻辑或私有数据的智能体项目。
核心特点
与同类监控工具相比，Kyoko的核心区别在于其“完全本地化”和“深度集成”的特性。它无需依赖云端服务，所有数据都在本地处理，保障了隐私和安全；同时，它并非简单的日志记录器，而是提供了针对AI智能体决策链路的专项分析和可视化调试界面。
注意事项
不适合仅需简单日志输出或对性能监控没有深入需求的轻量级脚本项目。
常见问题
Kyoko会影响我的智能体运行速度吗？
影响极小。其遥测库设计为轻量级异步调用，对主程序性能开销非常低。
支持哪些AI模型或框架？
Kyoko与模型无关，主要监控智能体的逻辑流程和外部调用，可配合OpenAI、Anthropic等多种API或本地模型使用。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/kyoko/raw/index.md 读取 kyoko 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/kyoko/raw/index.md（查看排版版本）