Progress AI Observability 产品深度分析报告

——为创业者与AI团队的实战指南

一、产品定位与背景

Progress Software 是一家拥有 40 年历史的企业级软件老牌厂商，旗下 Telerik、Kendo UI、Sitefinity、MarkLogic、Fiddler 等产品在开发者圈中享有盛名。2026 年 8 月，Progress 正式上线 Progress AI Observability Platform（原 Telerik AI Observability），定位为面向生产级 AI Agent 与 LLM 应用的全链路可观测性平台，覆盖调试、成本控制、质量评估三大核心场景。

核心口号：See where workflows break, what they cost, and whether outputs are good enough to ship.

二、产品解决的"AI 生产真问题"

Progress 在产品文档中精准指出了当前 AI 产品化的三大痛点：

• 执行路径不可见：Agent 不是简单的请求—响应。一次回答可能穿过 prompt、retrieval、tool call、retry、model response、自定义工作流。没有完整 trace，团队只能"猜"。

• 成本失控：LLM 账单随 prompt 长度、模型选择、retry 次数、tool loop、检索模式、评估运行量动态变化。看定价表等于瞎子摸象。

• "看起来对"的失败：响应可能完整、流畅、语法正确，却包含幻觉、无依据、不安全或不相关的内容。

Progress 把这些问题作为产品设计的出发点。

三、四大核心功能模块

3.1 Workflow Tracing（工作流追踪）

• 捕获完整的 agent 运行路径：spans、model calls、tool calls、retrieval steps、latency、token usage、outputs

• 支持单 Agent、多 Agent 系统、tool-using agent、RAG pipeline、Copilot 等生产级场景

• 一次 trace 能告诉你"答案错了，是因为 retrieval 步骤返回了过期文档，agent 还用了"

3.2 Workflow Debugging（调试）

• 区分"成功响应"与"真实成功"

• 主动暴露：跳过的 tool、错误的检索源、loop、retry、失败的 span、延迟尖峰

• 客户案例：从 4 小时调试时间压缩到 20 分钟

3.3 Cost Analysis（成本分析）

• 估算成本、输入/输出 tokens、按 model、按 workflow、按 agent 拆分

• 哲学：LLM 成本由运行时行为决定，不是定价表决定的

• 实操价值：找到一个生产环境的 retry loop，就能省出一年的 Starter 订阅费

3.4 LLM Evaluations + Datasets & Experiments（评估与实验）

• LLM-as-a-judge 评分：质量、相关性、有依据性、安全性、任务完成度

• 支持实时评估与历史回溯评估

• 用真实生产 trace 构造 evaluation dataset，对 prompt / model / workflow 改动做 A/B

四、技术架构与集成

4.1 SDK 支持（三大主流栈）

# .NET
dotnet add package Progress.Observability.Instrumentation
pip install progress-observability
npm install progress-observability

接入成本：安装 SDK + 几行代码即可，5 分钟可上线。

4.2 关键差异化：原生 .NET 支持

• 业界首个生产级原生 .NET SDK，对 Semantic Kernel 一级集成

• 与 Azure、Microsoft 生态深度契合

• 满足企业合规需求：审计日志、PII 脱敏、数据驻留（BYOS）、SSO、RBAC

4.3 性能设计

• 轻量级、异步上报，不影响 agent 执行与用户延迟

五、定价结构（2026 年最新）

| 套餐 | 月费 | Units | 保留期 | 核心能力 |

|------|------|-------|--------|----------|

| Free Forever | $0 | 10,000 | 7 天 | Trace Explorer、基础 prompt 记录、基础成本可见性、基础 LLM 评估、三大 SDK |

| Starter | $29/月 | 200,000 | 30 天 | 完整成本归因、实时+历史评估、Datasets & Experiments、异常告警 |

| Pro | $299/月 | 1,000,000 | 60 天 | 增加 SSO |

| Enterprise | $3,000+ 起 | 自定义 | 无限 | BYOS 数据驻留、审计日志、访问控制、SLAs |

• 超量：$8 / 10 万 units

• ⚠️ 注意：Progress 未在官网上明确定义"unit"计量单位，这是当前产品最大的透明度问题。第三方推测 1 unit ≈ 1 telemetry span，evaluation 消耗更多。

六、与竞品的横向对比

|------|--------------------------|----------|-----------|-----------|

| 开源 | ❌ | ✅ | ❌ | 部分 |

| 入门价 | $29 | $29 | $39/seat | EUR 29/seat |

| Pro 价 | $299 | $199 | - | - |

| .NET 原生 | ✅ 业界唯一 | ❌ | ❌ | � |

| 自托管 | ❌ | ✅ | ❌ | ❌ |

| 企业合规 | 强（审计/数据驻留） | 弱 | 中 | 弱 |

| 公开客户案例 | ⚠️ 仅有匿名 Early Access | 多 | 多 | 多 |

七、给创业者的决策建议

7.1 ✅ 推荐使用的场景

• 技术栈基于 .NET / Azure / Semantic Kernel：这是 Progress 的"无人区"，几乎无敌

• ToB 企业客户对数据驻留、审计日志、SSO 有硬性要求

• 多 Agent / RAG 系统生产环境，需要 trace 级调试能力

• 预算紧张但想了解真实 LLM 成本——免费 tier 足够用于 cost audit

7.2 ❌ 暂不建议的场景

• 纯 Python / TypeScript 技术栈：Langfuse 更成熟、社区更大、插件更多

• 需要自托管：Progress 是纯 SaaS

• 预算介于 $29—$299 之间：中间有 10 倍定价悬崖，可能造成过度付费

• 需要大量公开客户背书：Progress 当前的性能数据来自匿名 Early Access 用户

7.3 💡 实操建议

• 第一周：用 Free Forever 上线，观察 unit 消耗与成本数据

• 第二周：跑一次完整评估 baseline，找到最贵的 retry loop

• 第三周：再决定是否升级到 Starter（$29）或直接 Pro（$299）

• 核心策略：把 Progress 当作"成本审计工具"来用，单次 ROI 决策

八、产品评分与展望

综合评分：7.5 / 10

优势

• ✅ 解决真问题，定位精准

• ✅ 唯一原生 .NET 支持，开辟蓝海

• ✅ 老牌厂商，财务健康，enterprise-ready

• ✅ 入门价位有竞争力，免费 tier 实用

短板

• ⚠️ "unit" 单位不透明，预算规划难

• ⚠️ 中端定价断层（$29 → $299）

• ⚠️ 公开客户案例不足，性能数据匿名

• ⚠️ 生态相比 Langfuse 还很早期

未来展望

如果 Progress 能：

• 公开 unit 定义与定价计算器

• 补齐 $99—$199 中端档位

• 公布 3—5 个具名客户的 case study

• 增加开源 SDK 与社区生态

它极有可能在 18 个月内成为 .NET 阵营 AI 可观测性的事实标准，并在企业合规市场上对 Langfuse/LangSmith 形成实质性威胁。

九、最后一句话总结

Progress AI Observability 不是一个革命性产品，但它是一个聪明的、在正确时间切入正确细分市场的产品。

对于 .NET 技术栈的 AI 创业者和 ToB SaaS 团队，这是一个几乎不可替代的选择；对于纯 Python 团队，它是一个"可以但不必"的选择。

行动建议：立刻注册 Free Forever，用一周时间搞清楚你的 AI 产品到底烧了多少钱。这或许是 2026 年 ROI 最高的一小时。