L’usage : comment Causal déploie Sentry
Causal's engineering team uses Sentry for error monitoring and performance monitoring across its React/TypeScript frontend, Express and Go backend, and evaluation service. They combine automatic and custom instrumentation, dashboards, and distributed tracing to find and fix performance bottlenecks before users report them.
Le témoignage du client
Sentry is particularly useful for us to understand problems that are hard to replicate locally.Les autres outils IA utilisés par Causal
Autres relations publiques recensées sur usedby.
Explorer la stack IA de Causal
Les autres entreprises qui utilisent Sentry
Des clients de différents secteurs, avec une preuve publique.
Animation Digital NetworkConfirmé
AnthropicConfirmé
ArcadeConfirmé
AtlassianConfirmé
BasetenConfirmé
BitnamiConfirméConsulter la source
Cette synthèse repose sur l’étude de cas publiée par Sentry. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
sentry.io- Dernière vérification
- 13 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Causal.
- Causal utilise SentryVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
On the backend, Andrew’s team recently hit a problem where a user’s model was taking longer than expected to evaluate and they couldn’t easily replicate the state of the data locally without considerable effort. With Sentry they were able to identify the slow transaction and see which phase of the dependency graph generation was causing the lag: