AI 分析
痛点：AI Agent 的执行过程是黑盒，一旦失败，很难在本地稳定复现和定位，也缺少能防止问题再次出现的回归测试。
目标用户：构建 LLM Agent 与工作流的独立开发者及中小团队，尤其是 LangGraph、LangChain 的使用者。
证据：The goal is to make debugging agent workflows more reliable and less dependent on reproducing issues in a live environment. / I'm now looking to grow the contributor community and make the project useful to more developers. / Recording AI agent executions and inspect traces. Replay recorded executions to investigate failures. Fork executions to experiment with fixes. （全文没有任何付费或收入表述）
变现：采用开源核心加托管云服务的方式：把 trace 存储、团队共享回放和 CI 回归测试做成订阅；企业版支持自托管与 SSO 授权。
MVP：只面向 LangGraph 或 LangChain 做轻量 CLI：录制一次 agent 运行的 trace，离线回放并 diff 两次执行的差异，自动把失败 trace 最小化为最小可复现脚本，并生成 pytest 回归用例。用 pip 安装，并将其接入 GitHub Actions，以一条命令接入。
竞品：LangSmith、Langfuse、AgentOps、Braintrust、Arize Phoenix、W&B Weave
摘要：作者发布了开源工具 StepFork v0.2.1，用于录制、回放、fork 和最小化 AI Agent 执行轨迹，并生成回归测试；同时公开招募贡献者，列出了 Windows/macOS CI 冒烟测试、CLI 错误处理测试覆盖、LangGraph 集成教程等具体 issue。帖子属于开源项目推广，没有提到任何付费意愿、收入或用户规模数据，而且该赛道已有 LangSmith、Langfuse、AgentOps 等成熟竞品。