Keywords AI
Respan (formerly Keywords AI) · Coding · Sonstiges
Keywords AI, heute unter der Marke Respan, ist eine LLM-Observability-Plattform und ein KI-Gateway. Sie routen über 1.000 Modelle über einen Endpunkt und verfolgen jeden Agentenlauf.
Über Keywords AI
What Is Keywords AI
Keywords AI ist eine LLM-Observability-Plattform, die zugleich als KI-Gateway dient. Sie sitzt zwischen Ihrer Anwendung und den Modellanbietern: Sie richten das SDK, das Sie schon nutzen, auf einen einzigen Endpunkt, und jede Anfrage wird zu einem Trace, den Sie einsehen können. Das Unternehmen hat das Produkt im Februar 2026 in Respan umbenannt, und die Domain keywordsai.co antwortet weiter auf den alten Namen.
Das Versprechen ist, den Kreis zwischen Ausliefern und Prüfen zu schließen. Fast jedes Team fügt Logs erst hinzu, wenn etwas kaputtgeht, und rät dann die Ursache. Keywords AI erfasst jeden Modellaufruf, jede Tool-Ausführung, jede Retrieval-Runde und jeden Agenten-Turn als Span. LLM-Tracing und Modell-Routing sitzen in derselben Plattform, sodass Kosten, Latenz und Fehler auf einen konkreten Schritt zeigen. Darüber liegt eine Eval-Pipeline, die Ausgaben an einem Testsatz bewertet, bevor eine Änderung live geht. Laut Unternehmen hat die Plattform über 80 Billionen Token verarbeitet.
Die Grenze liegt im Umfang. Das ist Infrastruktur für Leute, die KI-Produkte bauen, keine Chat-App und kein Schreibwerkzeug. Wenn Sie nie eine Modell-API aufrufen, finden Sie hier nichts. Die Einrichtung setzt außerdem voraus, dass Sie mit einem SDK und einem API-Schlüssel umgehen können.
Getting Started
- Erstellen Sie ein kostenloses Konto auf platform.respan.ai, ohne Kreditkarte.
- Kopieren Sie Ihren Workspace-API-Schlüssel aus dem Dashboard.
- Richten Sie Ihr bestehendes OpenAI-SDK auf das Keywords AI Gateway, indem Sie Basis-URL und Schlüssel ändern.
- Betreiben Sie Ihre App wie gewohnt. Anfragen erscheinen als Traces mit Kosten, Latenz und Token-Zahl.
- Fügen Sie Evaluatoren oder Datensätze im Dashboard hinzu, sobald Sie Ausgaben bewerten wollen, und bringen Sie Prompts unter Versionskontrolle, wenn Sie Änderungen ausliefern wollen.
Produktinformationen
Ein kurzer Überblick über Preise, unterstützte Plattformen und die Leistung von Keywords AI.
Am besten für
Die Nutzer, Aufgaben und Szenarien, für die dieses Tool am besten passt.
Nutzer
- KI-Entwickler, die Agenten bauen
- Junge Teams, die schnell ausliefern
- Produktverantwortliche mit KI-Funktionen
Aufgaben
- Einen fehlerhaften Agentenlauf debuggen
- Zwei Prompt-Versionen vergleichen
- Modellkosten steuern
- Eine Ausweichkette einrichten
Szenarien
- Ein Sprachagent mit einer Million Anrufen pro Stunde
- Ein RAG-Tutor, der nur aus Kurs-PDFs antwortet
- Ein Support-Bot, bei dem dasselbe Ticket unterschiedliche Antworten bekommt
Wichtigste Funktionen
Einheitliches Gateway für über 1.000 Modelle
Sie schicken jede Anfrage an einen Endpunkt und erreichen Modelle aller großen Anbieter, zwischen denen Sie durch Ändern eines einzigen Worts im Modellnamen wechseln. Eingebautes Caching liefert wiederholte Anfragen sofort aus, und Budgets oder Limits pro Schlüssel stoppen ausufernde Ausgaben, bevor sie auf Ihrer Rechnung landen.
Automatischer Ausfallschutz und Wiederholungen
Sie listen die Modelle, auf die ausgewichen werden soll, und das Gateway geht zum nächsten über, sobald eines ausfällt oder ins Rate-Limit läuft. Im eigenen Dashboard des Unternehmens hält die Ausweichkette fast 99,99% Verfügbarkeit, während ein einzelner Anbieter weit darunter liegt, was zählt, wenn ein Ausfall sonst Ihre App lahmlegt.
Agenten-Tracing von Ende zu Ende
Jeder Modellaufruf, jede Tool-Ausführung, jede Retrieval-Runde und jeder Agenten-Turn wird zu einem Span in einem einzigen Trace. Jeder Span trägt Modell, Latenz, Kosten, Token-Zahl und die genaue Eingabe und Ausgabe, sodass Sie genau sehen, wohin Zeit und Geld eines Laufs gehen, statt eine Wand aus Log-Zeilen zu lesen.
Observability-Dashboards und Alarme
Anfragen, Fehler, Kosten, Latenz und Token liegen auf einem Dashboard, gefiltert nach Modell, Schlüssel oder Nutzer. Sie beobachten jede Metrik über jedes Fenster und bekommen einen Alarm per Slack, E-Mail oder Webhook in dem Moment, in dem sie eine von Ihnen gesetzte Schwelle überschreitet. Fehler-Tracking gruppiert Störungen und zeigt den Span hinter jeder.
Evals mit LLM-Richtern, Code-Checks und menschlicher Prüfung
Ein Evaluator verbindet einen LLM-Richter, eine deterministische Code-Prüfung oder einen menschlichen Prüfer zu einer einzigen Bewertung für jede Ausgabe. Testfälle lassen sich per Filter und Stichprobenrate direkt aus Produktionslogs ziehen oder als CSV hochladen, sodass jeder Fall einer ist, den Ihre Nutzer wirklich geschickt haben. Denselben Evaluator können Sie auch auf Live-Traffic laufen lassen, um Regressionen in Echtzeit zu finden.
Prompt-Verwaltung und Versionskontrolle
Prompts liegen in einem gemeinsamen Editor mit Versionshistorie, Ein-Klick-Deployment und Release-Verwaltung. Ein Modell-Playground und Jinja-Vorlagen lassen Sie Änderungen vor dem Ausliefern testen, und private Prompts bleiben vor den Augen des Teams verborgen, wenn der Workspace geteilt wird.
Vor- und Nachteile
Vorteile
- Ein Endpunkt ersetzt getrennte Integrationen für jeden Modellanbieter, also ist ein KI-Gateway-Wechsel eine Zeile Code.
- Tracing, Evals und Monitoring liegen auf einer Plattform, was die Zahl der Tools senkt, die ein Team verbinden muss.
- Der kostenlose Plan ist eine volle Plattform mit 100k Logs, 1k Scores und 5 Datensätzen, genug, um den Nutzen vor dem Bezahlen zu belegen.
- Automatischer Ausfallschutz hält den Agenten am Laufen, wenn ein einzelner Anbieter ausfällt oder ins Rate-Limit läuft.
- Zertifiziert nach ISO 27001, SOC 2, DSGVO und HIPAA, mit einem BAA für Gesundheits-Teams.
Nachteile
- Es ist Entwickler-Infrastruktur, also kann es ohne Code und API-Schlüssel niemand nutzen.
- Die Nutzung wird oberhalb der Gratis-Stufen nach Volumen berechnet, mit zusätzlichen Logs zu $8 pro 100k und Scores zu $1 pro 1k, was bei hohem Volumen zusammenläuft.
- Die Umbenennung zu Respan im Februar 2026 lässt zwei Namen im Umlauf, was bei der Suche nach Doku und Preisen verwirrt.
Häufige Fragen
Keywords AI wird genutzt, um KI-Anwendungen zu routen, zu überwachen und zu bewerten. Sie schicken Modellanfragen durch sein Gateway und nutzen dann dieselbe Plattform, um jeden Agentenlauf zu verfolgen, Ausgaben an einem Testsatz zu bewerten und Kosten, Latenz und Fehler in einem Dashboard zu beobachten. Es richtet sich an Leute, die KI-Produkte bauen, nicht an alltägliche Chat-Nutzer.
Ähnliche Inhalte
Entdecke passende Tools, Skills und Artikel zu Keywords AI.
Alternativen zu Keywords AI
Base Code
Base44 (Wix) · Coding · ProduktivitätBase Code ist eine geteilte Cloud-Entwicklungsumgebung von Base44. Das Team beschreibt Änderungen an einem bestehenden GitHub-Repository im Chat, prüft sie in der Vorschau und reicht sie als Pull Request ein.
Google EmbeddingGemma 2
Google DeepMind · Schreiben · Bilder · CodingGoogle EmbeddingGemma 2 ist ein offenes Modell mit 740 Millionen Parametern, das Text, Code, Bilder, Audio und Videobilder in Vektoren eines gemeinsamen 768-dimensionalen Raums umwandelt und auf Handys und Notebooks läuft.
GitGlow
GitGlow · Coding · ProduktivitätGitGlow ist ein Git-Client für den Desktop, der Ihren Code und die Änderungen Ihrer KI-Agenten in einer Review bündelt, damit Sie vor dem Ausliefern sehen, was die Maschine verlässt.