Velvet
Velvet是面向工程师群体的AI请求仓库解决方案,核心定位是帮助技术团队统一管理不同大模型服务的调用数据,实现AI应用的全链路优化
Velvet是面向工程师群体的AI请求仓库解决方案,核心定位是帮助技术团队统一管理不同大模型服务的调用数据,实现AI应用的全链路优化。平台支持将OpenAI、Anthropic等主流大模型的请求数据自动同步存储到PostgreSQL数据库,内置日志分析模块可快速定位请求异常,还支持基于历史请求生成测试数据集用于模型效果评估。目标用户覆盖AI应用开发工程师、技术团队负责人、AI产品测试人员等,适合团队在AI功能迭代、调用成本管控、模型效果调优的场景中使用。
- 适用对象
- AI应用开发工程师(日常大模型调用管理)
- 主要功能
- 多模型请求同步、调用日志多维度分析
- 计费方式
- 免费增值,部分功能付费
- 平台
- 网页
- 已收录
- 2026.06.14(141 天)
阅读目录
编辑评测与站内热度
编辑综合评分
满分 5 分
六维指标基于站内真实数据(热度、社区反馈、资料完整度、可达性核验等)综合评估,非用户投票。
全站热度排名
#4751
分类内排名
#1 / 9
累计站内点击
—
近 7 日点击
—
排名与点击为站内真实统计口径,反映 Toolifai 用户行为,非编辑评分。
Velvet是什么,怎么使用?
约 4 分钟Velvet是面向工程师群体的AI请求仓库解决方案,核心定位是帮助技术团队统一管理不同大模型服务的调用数据,实现AI应用的全链路优化。平台支持将OpenAI、Anthropic等主流大模型的请求数据自动同步存储到PostgreSQL数据库,内置日志分析模块可快速定位请求异常,还支持基于历史请求生成测试数据集用于模型效果评估。目标用户覆盖AI应用开发工程师、技术团队负责人、AI产品测试人员等,适合团队在AI功能迭代、调用成本管控、模型效果调优的场景中使用。
主要功能
- 多模型请求同步:用户在对接OpenAI、Anthropic等大模型服务时,只需在原有调用代码中添加Velvet提供的中间件配置,无需修改核心业务逻辑,即可自动将所有请求参数、返回结果、响应时长、调用成本等信息同步存储到关联的PostgreSQL数据库中,实现多来源AI调用数据的统一归集。
- 调用日志多维度分析:用户进入平台日志分析模块后,可按时间范围、模型类型、调用用户、请求状态等维度筛选历史调用记录,平台会自动生成调用量趋势、平均响应时长、错误率分布、成本占比等可视化图表,还支持按关键词搜索请求和返回内容,帮助快速定位异常调用问题。
- 测试数据集生成:用户可在平台中筛选出符合特定场景的历史请求与返回样本,勾选需要的记录后一键导出为结构化数据集,支持CSV、JSON等多种格式,导出的数据集可直接用于大模型微调、prompt效果测试、回答质量评估等环节,无需人工手动整理样本数据。
- 自定义数据查询:用户可以直接在平台中输入SQL查询语句,对存储在PostgreSQL中的所有AI调用数据进行自定义查询,支持关联业务数据进行联合分析,可满足不同团队个性化的统计需求,比如统计特定功能模块的AI调用成本、不同prompt版本的效果对比等。
- 调用成本优化分析:平台会自动统计不同模型、不同业务场景的调用成本,对比相同请求在不同大模型上的返回效果和成本差异,可识别出重复调用、无效调用的场景,还会根据历史调用数据给出模型选型、调用频次调整的参考建议,帮助团队控制AI服务采购支出。
- 团队协作管理:团队负责人可在平台中添加不同角色的成员账号,设置数据查看、编辑、导出等不同权限,支持团队成员共享调用日志、标注优质请求样本、协作完成模型效果评估任务,所有成员的操作记录都会被留存,便于团队内部的权责划分和数据安全管理。
怎么使用
- 1. 注册并登录Velvet平台,完成企业或团队信息认证,根据引导绑定团队使用的PostgreSQL数据库,获取平台提供的各语言版本SDK与中间件接入文档。 2. 技术人员参考接入文档,在现有AI应用的大模型调用代码中添加Velvet中间件配置,完成部署后进行少量测试请求,确认数据可以正常同步到数据库。 3. 进入日志分析模块,查看已同步的所有调用记录,根据自身需求设置筛选维度,查看调用趋势、成本分布等可视化报表,排查历史调用中的异常问题。 4. 当需要生成测试数据集时,筛选出对应场景的历史请求记录,勾选需要的样本后选择导出格式,下载得到的结构化数据集可直接用于模型测试或微调。 5. 团队负责人可在成员管理模块添加团队账号,分配不同的操作权限,组织团队成员共同完成请求标注、效果评估、成本统计等协作任务。
适合什么人群
- AI应用开发工程师(日常大模型调用管理)
- 技术团队负责人(AI项目成本管控)
- AI产品测试人员(模型效果评估测试)
- 数据分析师(AI调用数据自定义分析)
- 大模型算法工程师(微调数据集准备)
- AI产品经理(AI功能效果迭代优化)
总结
对于需要同时对接多个大模型服务的技术团队来说,AI调用数据分散、难以统一管理是普遍存在的痛点,很多团队只能靠手动打日志的方式留存调用记录,不仅容易遗漏关键信息,后续分析和整理也需要耗费大量人力。这个平台的核心价值在于用极低的接入成本,实现了不同大模型调用数据的统一归集,不需要团队额外搭建数据存储和分析系统,就能直接获得多维度的日志分析、数据集生成、成本统计等能力。和同类工具相比,它没有限制用户使用的数据库类型,支持自定义SQL查询的设计也能满足不同团队的个性化分析需求,适合正在落地AI应用、需要对AI调用全链路进行精细化管理的团队使用。
价格与免费额度
Velvet提供免费版与多种付费套餐,免费版支持最多3个团队成员使用,每月最多存储10万条AI调用请求记录,包含基础的日志查看和简单统计功能,适合小型团队或处于测试阶段的项目使用。付费套餐分为基础版、专业版和企业版,基础版每月定价49美元,支持最多10个成员、每月100万条记录存储,解锁完整的日志分析和数据集导出功能;专业版每月定价199美元,支持无限成员、每月1000万条记录存储,开放自定义SQL查询能力;企业版支持自定义存储容量与专属功能定制,价格按需协商,适合中大型AI业务团队选择。
优点与不足
优点
- 接入成本低,只需添加中间件即可完成配置,无需修改原有业务核心代码
- 支持对接OpenAI、Anthropic等主流大模型服务,可实现多来源数据统一管理
- 开放自定义SQL查询能力,支持用户结合自身业务数据进行个性化分析
- 提供从日志存储、分析到数据集生成的全链路能力,覆盖AI功能优化的核心需求
不足
- 目前仅支持PostgreSQL数据库,使用其他类型数据库的团队无法直接接入
- 暂不支持国内主流大模型服务的请求自动同步,对接国内模型需要额外开发
- 免费版存储容量有限,调用量大的团队需要升级付费版本才能满足需求
能帮你做的 8 件事
- 01多模型请求同步
- 02调用日志多维度分析
- 03测试数据集生成
- 04自定义数据查询
- 05AI请求管理场景的常用方案
- 06大模型日志分析场景的常用方案
- 07AI应用开发工程师(日常大模型调用管理)的日常效率工具
- 08先用免费额度验证需求再决定付费
更新历史
- Velvet 收录进 Toolifai 目录
- 页面资料核验与信息更新
常见问题
接入Velvet是否会影响原有大模型调用的稳定性?
接入过程不会影响原有大模型调用的稳定性,Velvet的中间件采用旁路日志采集的设计,所有大模型请求的主链路仍然是用户业务系统直接和大模型服务交互,中间件只会在后台异步将请求和返回数据同步到平台,不会占用主链路的资源,也不会因为平台故障导致大模型调用失败。如果出现数据同步异常的情况,平台会自动重试,不会丢失请求数据,也不会对业务正常运行造成影响。
存储在Velvet中的AI调用数据是否安全?
平台采用端到端加密的方式保护用户数据,所有请求数据在传输过程中都会进行加密处理,存储到数据库时也会进行加密存储,只有团队内拥有对应权限的成员才能查看相关数据。同时用户也可以选择将数据存储在自己部署的私有PostgreSQL数据库中,平台仅提供分析工具,不会留存用户的业务数据,符合对数据安全有较高要求的团队的合规需求。
是否支持对接除了OpenAI和Anthropic之外的大模型服务?
目前平台官方提供的中间件原生支持OpenAI和Anthropic的接口协议,其他大模型服务如果兼容这两类接口的格式,也可以正常完成数据同步。对于其他不兼容的大模型服务,用户可以通过平台提供的API接口,手动上报请求和返回数据,同样可以使用平台的日志分析、数据集生成等所有功能,官方也在逐步增加更多主流大模型服务的原生支持。
生成的数据集可以直接用于大模型微调吗?
平台导出的数据集包含请求prompt、返回结果、调用参数等完整信息,用户可以直接根据微调需求筛选对应的样本,导出的格式支持OpenAI、Anthropic等官方微调接口要求的标准格式,无需额外进行格式转换即可直接上传进行微调。同时平台也支持用户对历史请求进行标注,补充标注信息后导出的数据集也可以用于自定义模型的训练和评估工作。
是否可以自定义设置需要存储的请求字段?
用户可以在中间件配置中自定义需要同步的字段,支持过滤掉不需要存储的敏感信息,比如用户隐私数据、业务内部标识等,也可以添加自定义的业务字段一同同步到数据库中,方便后续结合业务信息进行联合分析。配置过程只需要修改中间件的参数即可,不需要额外开发,可满足不同团队的数据存储合规需求。
开始使用 Velvet
从官方入口了解最新功能与使用方式。
由 Toolifai 编辑维护
欢迎产品方补充截图、功能介绍与官方资料。更新和纠错由编辑审核后发布。