Artifacto di ricerca automatizzato — non il progetto upstream.

Questo repository è un laboratorio monouso costruito da un sistema automatizzato per una tesi magistrale presso l'Université Laval sulla riproduzione di vulnerabilità pubblicate nei workflow di GitHub Actions. È uno snapshot integrale di openlit/openlit al commit 8529a7746ce2cae946bd2346cb3792c22f86cbee (2026-02-24), ridistribuito sotto la licenza del progetto stesso, il cui file è incluso invariato in questo snapshot.

Il progetto upstream non è coinvolto, non è mai preso di mira, e la vulnerabilità studiata qui è già pubblica. Ogni segreto e variabile in questo repository è un valore fittizio generato casualmente — nessuna credenziale reale è presente. I riferimenti alle action e le immagini dei runner sono bloccati a ciò a cui risolvevano al 2026-02-24; consulta pinning.md nell'output del sistema per ogni modifica apportata allo snapshot.

Domande o obiezioni: [email protected]

Osservabilità, Valutazioni, Guardrail, Prompt, Vault, Playground, FleetHub

Piattaforma Open Source per l'Ingegneria dell'IA

Documentazione | Avvio rapido | SDK Python | SDK TypeScript |

❤️ Sponsorizza questo progetto ❤️

https://github.com/user-attachments/assets/6909bf4a-f5b4-4060-bde3-95e91fa36168

OpenLIT ti consente di semplificare il tuo flusso di lavoro di sviluppo dell'IA, in particolare per l'IA generativa e gli LLM. Semplifica attività essenziali come sperimentare con gli LLM, organizzare e versionare i prompt e gestire in modo sicuro le chiavi API. Con una sola riga di codice, puoi abilitare l'osservabilità nativa OpenTelemetry, offrendo un monitoraggio full-stack che include LLM, database vettoriali e GPU. Questo consente agli sviluppatori di creare funzionalità e applicazioni di IA con sicurezza, passando senza intoppi dal test alla produzione.

Questo progetto segue e mantiene con orgoglio le Convenzioni Semantiche con la community OpenTelemetry, aggiornandosi costantemente per allinearsi agli standard più recenti nell'osservabilità.

⚡ Funzionalità

• 📈 Dashboard di analisi: Monitora la salute e le prestazioni della tua applicazione di IA con dashboard dettagliate che tracciano metriche, costi e interazioni degli utenti, offrendo una visione chiara dell'efficienza complessiva.

• 🔌 SDK di osservabilità nativi OpenTelemetry: SDK indipendenti dal vendor per inviare trace e metriche ai tuoi strumenti di osservabilità esistenti.

• 💲 Tracciamento dei costi per modelli personalizzati e fine-tuned: Personalizza le stime dei costi per modelli specifici utilizzando file di prezzi personalizzati per una pianificazione precisa del budget.

• 🐛 Dashboard di monitoraggio delle eccezioni: Individua e risolvi rapidamente i problemi tracciando eccezioni ed errori comuni con una dashboard di monitoraggio dedicata.

• 💭 Gestione dei prompt: Gestisci e versiona i prompt utilizzando Prompt Hub per un accesso coerente e semplice tra le applicazioni.

• 🔑 Gestione di chiavi API e segreti: Gestisci in modo sicuro le tue chiavi API e i tuoi segreti in modo centralizzato, evitando pratiche non sicure.

• 🎮 Sperimenta con diversi LLM: Usa OpenGround per esplorare, testare e confrontare vari LLM affiancati.

• 🚀 Fleet Hub per la gestione OpAMP: Gestisci e monitora centralmente i collector OpenTelemetry nella tua infrastruttura utilizzando il protocollo OpAMP (Open Agent Management Protocol) con comunicazione TLS sicura.

🚀 Per Iniziare con l'Osservabilità degli LLM```mermaid

flowchart TB; subgraph " " direction LR; subgraph " " direction LR; OpenLIT_SDK[OpenLIT SDK] -->|Sends Traces & Metrics| OTC[OpenTelemetry Collector]; OTC -->|Stores Data| ClickHouseDB[ClickHouse]; end subgraph " " direction RL; OpenLIT_UI[OpenLIT] -->|Pulls Data| ClickHouseDB; end end

### Step 1: Distribuisci lo Stack OpenLIT

1. Clona il Repository OpenLIT con Git

   Apri la tua riga di comando o terminale ed esegui:   ```shell
   git clone [email protected]:openlit/openlit.git

2. Self-hosting con Docker

   Distribuisci ed esegui OpenLIT con il seguente comando: ```shell docker compose up -d

Per istruzioni sull'installazione in Kubernetes tramite Helm, consulta la guida all'installazione Kubernetes con Helm.

Passaggio 2: Installare l'SDK OpenLIT

Apri la riga di comando o il terminale ed esegui:```bash pip install openlit

> Per istruzioni sull'uso dell'SDK TypeScript, visita la [guida all'installazione dell'SDK TypeScript](https://github.com/openlit/openlit/tree/main/sdk/typescript#-installation).

### Passaggio 3: Inizializza OpenLIT nella tua applicazione

Integra OpenLIT nelle tue applicazioni AI aggiungendo le seguenti righe al tuo codice.```python
import openlit

openlit.init()

Configura la destinazione dei dati di telemetria come segue:

💡 Info: Se otlp_endpoint o OTEL_EXPORTER_OTLP_ENDPOINT non viene fornito, l'SDK OpenLIT invierà le tracce direttamente alla console, operazione consigliata durante la fase di sviluppo.

Esempio

</details>

---

<details>

---

<summary>Inizializzazione tramite Variabili d'Ambiente</summary>

Aggiungi le seguenti due righe al codice della tua applicazione:  ```python
import openlit