Arize Phoenix

Phoenix 是 Arize 开源的一套 AI 可观测性与评测工具，用来回答一个很具体的问题：我的智能体为什么这样回答？它把一次请求经过的每一步——提示词、检索到的内容、工具调用、最终输出——都记录下来，摊开给你看。没有这层追踪，调试大模型应用基本靠猜。

主要功能

核心是追踪（tracing）。接入之后，Phoenix 展示智能体执行的完整路径，出错时能定位到是哪一步、哪次检索或哪个工具调用出了问题。在此之上可以给结果打标注，人工审或让另一个模型当裁判，标出哪些对、哪些错。

有了标注就能做实验：从追踪记录里整理出数据集，改一版提示词或换个模型，在相同条件下重跑，比较成本、延迟和效果，只把确实变好的改动发出去。评测部分可以自己写评分逻辑，在问题到达用户之前拦住。

页面还提到一个叫 PXI 的智能体入口，可以对着追踪记录提问、加标注、跑实验；也支持用编码智能体接入，把重复操作写成自动化。

部署与接入

Phoenix 可以本地跑，一条命令起服务，也可以自托管在自己的环境里，Docker、Kubernetes 都有部署文档。追踪数据留在自己的基础设施上，这对处理敏感数据或有合规要求的团队是主要卖点。它遵循 OpenTelemetry，配合 OpenInference 规范采集遥测数据，LlamaIndex 等框架有一键集成。

费用与限制

开源版以 ELv2 协议发布，GitHub 上万星。同门的 Arize AX 是托管平台，免费档每月 25k spans、1 GB 数据、保留 15 天；Pro 版每月 50 美元，50k spans、10 GB、保留 30 天；企业版可自托管，价格另议。界面为英文，主要面向写代码的 AI 工程师，不写代码的人上手会吃力。