- プラットフォームの安定性
- タスクの実行パターン
- AIモデルのアクティビティ
- ユーザー負荷
セクション 1: システムの概要
- 総ユーザー数: オンプレミス EKB インスタンスに登録されているユーザーの総数。組織全体でのシステムの導入を示します。
- アクティブなプロジェクト: 現在実行中、変更中のプロジェクト、またはユーザー/チームに関連付けられているプロジェクトの数。プラットフォームのエンゲージメントを反映します。
- システム ステータス: 簡単な健全性インジケーター。 「正常」とは、すべてのコンポーネント (データベース、バックエンド ワーカー、LLM、ルーティング層) がエラーなしで機能していることを意味します。劣化している場合は対処が必要です。
セクション 2: タスクとシステムの監視
このブロックは、システムがタスクをいかに効率的に処理しているかを示します。- アクティブなタスク: 現在リアルタイムで実行されているタスクの数。 0 の場合、キューはアイドル状態です。高い場合は、システムの負荷または遅延を調査してください。
- タスク成功率: 正常に完了したタスクの割合。 100% が理想的です。ドロップは、API エラー、タイムアウト、または不正なデータを示している可能性があります。
- 合計実行数 (7 日): 過去 7 日間に実行されたタスク (自動化、LLM リクエスト、フロー、エージェント) の合計数。ワークロードの傾向を示します。
- 平均タスク期間: タスクあたりの平均所要時間。継続時間が突然増加した場合は、バックエンドの速度が遅いかペイロードが重いことを示唆している可能性があります。
- アクティブなワーカー: 現在オンラインで処理中のバックエンド コンピューティング エージェント (ワーカー) の数。ワーカー数が少ないと、実行がボトルネックになる可能性があります。
セクション 3: AI と LLM の使用
このセクションには、AI がどの程度使用されているか、および AI のパフォーマンスがどの程度優れているかが反映されます。- LLM 呼び出し (7 日): 過去 7 日間に LLM (大規模言語モデル) に対して行われたリクエストの合計数。数値が大きいほど、AI の関与が高いことを示します。
- LLM 成功率: タイムアウト、失敗、不正な出力なしに完了した LLM リクエストの数。成功率が 80% を下回る場合は、調整または監視が必要になる場合があります。
- トップ AI ツール: どの AI モデルまたはツールが最もよく使用されているかを示します (例: GPT-4、Claude、EKB Custom Agent)。 「N/A」は、まだ主要なツールが使用されていないことを意味します。