> ## Documentation Index > Fetch the complete documentation index at: https://ai-kb.automationanywhere.com/llms.txt > Use this file to discover all available pages before exploring further. # 一般的な > EKB インスタンスを監視する方法を学ぶ ＃＃ 目的 **全般** タブには、リアルタイムのシステム スナップショットが表示されます。管理者が最初に確認する必要があるのは次の場所です。 * 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 General tab overview *** ## セクション 1: システムの概要 1. **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。 2. **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。 3. **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。 4. **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。 5. **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。 6. **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。 7. **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。 8. **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。 9. **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。 10. **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。 11. **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。 **これが重要な理由:** これは、特にチーム間の使用状況を管理する場合や、高度な自動化サイクル中にコストとパフォーマンスを最適化するのに役立ちます。