Artefacto de investigação automatizado — não é o projeto original.

Este repositório é um laboratório descartável construído por um harness automatizado para uma tese de mestrado na Université Laval sobre a reprodução de vulnerabilidades publicadas em workflows do GitHub Actions. É um snapshot verbatim de openlit/openlit no commit 8529a7746ce2cae946bd2346cb3792c22f86cbee (2026-02-24), redistribuído sob a licença desse próprio projeto, cujo ficheiro está incluído inalterado neste snapshot.

O projeto original não está envolvido, nunca é alvo, e a vulnerabilidade aqui estudada já é pública. Cada segredo e variável neste repositório é um valor fictício gerado aleatoriamente — nenhuma credencial real está presente. Referências de ações e imagens de runners estão fixadas no que resolveram em 2026-02-24; consulte pinning.md na saída do harness para todas as alterações feitas ao snapshot.

Perguntas ou objeções: [email protected]

Observabilidade, Avaliações, Guardrails, Prompts, Vault, Playground, FleetHub

Plataforma Open Source para Engenharia de IA

Documentação | Início Rápido | SDK Python | SDK Typescript |

❤️ Patrocine este projeto ❤️

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

OpenLIT permite-lhe simplificar o seu fluxo de trabalho de desenvolvimento de IA, especialmente para IA Generativa e LLMs. Agiliza tarefas essenciais como experimentar com LLMs, organizar e versionar prompts, e gerir chaves de API de forma segura. Com apenas uma linha de código, pode ativar observabilidade nativa OpenTelemetry, oferecendo monitorização full-stack que inclui LLMs, bases de dados vetoriais e GPUs. Isto permite que os programadores construam funcionalidades e aplicações de IA com confiança, fazendo a transição suave de testes para produção.

Este projeto segue e mantém orgulhosamente as Convenções Semânticas com a comunidade OpenTelemetry, atualizando consistentemente para se alinhar com os padrões mais recentes em Observabilidade.

⚡ Funcionalidades

• 📈 Dashboard de Análises: Monitorize a saúde e o desempenho da sua aplicação de IA com dashboards detalhados que acompanham métricas, custos e interações de utilizadores, proporcionando uma visão clara da eficiência geral.

• 🔌 SDKs de Observabilidade nativos OpenTelemetry: SDKs neutros em relação ao fornecedor para enviar traces e métricas para as suas ferramentas de observabilidade existentes.

• 💲 Acompanhamento de Custos para Modelos Personalizados e Fine-Tuned: Adapte as estimativas de custos para modelos específicos usando ficheiros de preços personalizados para um orçamento preciso.

• 🐛 Dashboard de Monitorização de Exceções: Identifique e resolva rapidamente problemas ao acompanhar exceções e erros comuns com um dashboard de monitorização dedicado.

• 💭 Gestão de Prompts: Gira e versione prompts usando o Prompt Hub para acesso consistente e fácil em todas as aplicações.

• 🔑 Gestão de Chaves de API e Segredos: Trate as suas chaves de API e segredos de forma segura e centralizada, evitando práticas inseguras.

• 🎮 Experimente com diferentes LLMs: Use o OpenGround para explorar, testar e comparar vários LLMs lado a lado.

• 🚀 Fleet Hub para Gestão OpAMP: Gira e monitorize centralmente os OpenTelemetry Collectors na sua infraestrutura usando o protocolo OpAMP (Open Agent Management Protocol) com comunicação TLS segura.

🚀 Começar com Observabilidade de LLMs```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

### Passo 1: Implementar a Stack OpenLIT

1. Clonar o Repositório OpenLIT via Git

   Abra a sua linha de comandos ou terminal e execute:   ```shell
   git clone [email protected]:openlit/openlit.git

2. Auto-hospedagem usando Docker

   Implante e execute o OpenLIT com o seguinte comando: ```shell docker compose up -d

Para instruções sobre instalação em Kubernetes usando Helm, consulte o guia de instalação via Helm no Kubernetes.

Passo 2: Instalar o SDK do OpenLIT

Abra sua linha de comando ou terminal e execute:```bash pip install openlit

> Para instruções sobre como usar o SDK TypeScript, visite o [guia de instalação do SDK TypeScript](https://github.com/openlit/openlit/tree/main/sdk/typescript#-installation).

### Etapa 3: Inicialize o OpenLIT na sua aplicação

Integre o OpenLIT nas suas aplicações de IA adicionando as seguintes linhas ao seu código.```python
import openlit

openlit.init()

Configure o destino dos dados de telemetria da seguinte forma:

💡 Info: Se o otlp_endpoint ou OTEL_EXPORTER_OTLP_ENDPOINT não for fornecido, o SDK do OpenLIT enviará os traces diretamente para o seu console, o que é recomendado durante a fase de desenvolvimento.

Exemplo

</details>

---

<details>

---

<summary>Inicializar usando Variáveis de Ambiente</summary>

Adicione as duas linhas seguintes ao código da sua aplicação:  ```python
import openlit

openlit.init()

</details>

---

### Passo 4: Visualizar e Otimizar