Selfship

Selfship 9 月初在 Show HN 推出，給已經上線 AI 客服或對話代理的團隊用。它把自己定位在可觀測性工具和程式代理之間：Langfuse、LangSmith 這類工具告訴你「發生了什麼」，然後把警報丟回給你；Claude Code、Devin 要你先開票才會動工。Selfship 的主張是不用開票，讓客戶的真實體驗決定要修什麼。

運作分成五步：觀察每一段對話，判斷客戶想做什麼、有沒有達成；診斷，當一週內有 300 個人卡在同一個地方，它會找出出錯的確切時間點與原因；修正，在你的 GitHub 開一個附上前後評測證據、影響範圍與範例 session 的 pull request；驗證，你合併後它會在新的線上流量確認修正有沒有撐住；持續改進。它從不直接推到預設分支，你可以設定核准規則、路徑限制與提案頻率上限。

功能特色與適用場景：支援任何 LLM 與框架，原生走 OpenTelemetry，提供 TypeScript 與 Python SDK，官網列出 OpenAI、Anthropic、Gemini、LangChain、LlamaIndex、Vercel AI SDK、CrewAI、Bedrock、Mistral 等整合。官網公布早期團隊前 30 天的中位數成果是編造答案減少 60%、AI 支出降 20%、回應時間縮短 35%，但也註明會在第一天量你的基準線再用你的數字出報告。計費以 session 計算，一個 session 是一輪使用者訊息到回覆，十輪對話就是十個 session，不按座位收費。適合台灣電商、SaaS 已有 AI 客服、但工程人力有限的團隊；分析在用完即毀的沙箱中進行，程式碼與紀錄不會拿去訓練模型。