aws-samples / aws-samples/sample-autonomous-cloud-coding-agents

feat(observability): evaluation pipeline and validation/risk analytics

Abierto
#451 1 comentario 0 reacciones 0 asignados Ver en GitHub
enhancement observability orchestration
Lenguaje dominante
TypeScript
Estrellas
143
Forks
46
Merge medio
3 d 10 h
PR fusionados (30 d)
24

Descripción

**Context:** ROADMAP.md → Evaluation pipeline + Validation and risk analytics
**Related:** #412, #415, #237, pr-outcome-tracking draft

---

## Component

API or orchestration

## Describe the feature

Backend **evaluation pipeline**: failure categorization, memory effectiveness metrics (merge rate, revision cycles, CI pass rate), and dashboards for PR risk labels, validation outcomes, and trends by repo, user, and `prompt_version`.

## Use case

Operators adopting background agents need outcome-oriented metrics, not task counts. Product and platform teams need analytics to tune prompts, memory, and validation tiers.

## Proposed solution

1. Aggregate from Tasks table, `TaskEvents`, PR outcome tracking, and validation tier outputs.
2. CloudWatch metrics + operator dashboard widgets (extend existing dashboard construct).
3. Optional `GET /analytics/...` or export API (align with #237 governance planes).
4. Eventually feed learned memory rules into Tier 2 validation when tiered pipeline ships.
5. Document metric definitions in `docs/design/EVALUATION.md`.

## Other information

- #412 covers CLI `bgagent stats`; this issue covers **backend aggregation and dashboards**.
- Design context: `docs/design/EVALUATION.md`, `docs/design/OBSERVABILITY.md`.

- [ ] This might be a breaking change

Guía de contribución

Abrir la guía de contribución

Línea de trabajo

Empieza leyendo ROADMAP.md y el contexto de diseño en docs/design/EVALUATION.md y docs/design/OBSERVABILITY.md; después, inspecciona el constructo de dashboard existente y las fuentes de datos de Tasks, TaskEvents, el resultado del PR y el nivel de validación. Se considera terminado cuando estén implementadas las agregaciones de evaluación del backend acordadas y la cobertura del dashboard de CloudWatch/operadores, con las definiciones de las métricas documentadas en docs/design/EVALUATION.md.

Escrito por el modelo de indexación a partir del texto del issue.

Evaluación

Stack tecnológico
aws, typescript
Área
analytics, backend, observability
Tipo de issue
Nueva funcionalidad
Dificultad
5/5
Tiempo estimado
Más de una semana
Estado de actividad
Tranquilo
Claridad
Bastante claro
Aptitud para principiantes
35/100

Recibe los nuevos issues en tu correo

Un resumen breve de issues de GitHub para principiantes.