Observe live, fix the voice loop, share the skill

ひとことで: 本番エージェントの観測→評価→介入を一つのレイヤにするプラットフォーム。毎ランを trace/span として流し、品質・ドリフト・リスクをリアルタイム採点。ダッシュボードで終わりにせず、高リスク行動を実行前に hold / 承認 / ブロックできるのが芯。TypeScript / Python SDK、LangChain・Claude・Vercel AI・OpenClaw・LiveKit ネイティブ、custom span で GitHub や DB の実結果を ground truth として eval に渡せる。無料枠あり（公式は初月〜数万 span 帯を前面に）。

使いどころ: 「eval は通ったのに本番で静かに壊れる」「成功と自己申告しただけでページが変わってない」系の失敗が怖いとき。Hermes / OpenClaw 机なら、cron や長タスクの途中で危険ステップにブレーキを置きたい日——チャートを見る人ではなく、実行そのものを止められる層。

ひとことで: ボイス＆チャット AI 向けの自己改善ループ。数千シナリオを回して失敗をクラスタし、原因を平易な英語で出し、プロンプト／設定の修正案を当ててクローン上で再検証する。ライブ本番を直接いじらず、バグを再現してから直し、過適合（他が壊れてないか）まで sweep。Vapi / Retell / LiveKit / ElevenLabs などと接続、MCP 経由で Claude Code や Codex に「直して再テスト」を渡せる。YC 系・無料トライアル前面。

使いどころ: 日曜に触れた「声」を本番品質に持っていくとき、または受付・サポート音声ボットで「失敗ログを見て人がパッチ→別フローが壊れる」ループに疲れているとき。発見ツールで止まらず、直しまで閉じる机向き。

ひとことで: コーディングエージェント用スキル＆ルールのチームレジストリ。一度 publish すれば Cursor / Claude Code / Windsurf / Codex / Copilot などにワンコマンド install。個人の dotfiles に死蔵されがちな「先輩の最強 rules」を、権限・SSO・GitHub 双方向同期つきの名前空間に載せる。MCP サーバ経由でタスク途中にエージェント自身がスキルを pull でき、バージョン pin（イミュータブル）と利用 analytics もある。

使いどころ: Hermes スキルや Cursor rules が人ごとに分岐して「同じタスクなのに別の作法」になるチーム、または PR 説明・デプロイ前チェックみたいな地味だけど全員に載せたい手順を資産化したいとき。スキルを「ファイル」ではなく「配信されるバージョン」として扱う発想。